@article{SchneiderScheibler1983,
  author    = {Schneider, Wolfgang and Scheibler, D.},
  title     = {Probleme und M{\"o}glichkeiten bei der Bewertung von Clusteranalysen: I. Ein {\"U}berblick {\"u}ber einschl{\"a}gige Evaluationsstudien},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-87288},
  year      = {1983},
  abstract  = {Es wird ein Oberblick {\"u}ber Evaluationsstudien gegeben, die sich mit der Validit{\"a}t von Clusteranalyse-Algorithmen befassen. Im Anschluß an die Diskussion m{\"o}glicher Bewertungskriterien werden Vergleichsuntersuchungen n{\"a}her analysiert und danach geordnet, ob sie empirische Datens{\"a}tze, Plasmaden oder Monte-Carlo-Datens{\"a}tze als Evaluationsgrundlage benutzen. Die Obersicht {\"u}ber komplexer angelegte Monte-Carlo-Studien zeigt die unterschiedliche Qualit{\"a}t der verf{\"u}gbaren Clusteranalyse-Algorithmen auf, macht andererseits aber auch deutlich, daß bestimmte hierarchisch-agglomerative Verfahren wie etwa die Methoden nachWARD oder LANCE-WILLIAMS bzw. iterativpartitionierende Prozeduren wie etwa die KMEANS-Algorithmen als relativ robuste Klassifikationsverfahren gelten k{\"o}nnen.},
  subject      = {Cluster-Analyse},
  language  = {de}
}
@article{SchneiderScheibler1983,
  author    = {Schneider, Wolfgang and Scheibler, D.},
  title     = {Probleme und M{\"o}glichkeiten bei der Bewertung von Clusteranalyse-Verfahren: III. Appendix: Kurzbeschreibung der verbreitetsten Clusteranalyse-Algorithmen},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-69643},
  year      = {1983},
  abstract  = {Es wird eine relativ einfach gehaltene Kurzcharakteristik derjenigen Clusteranalyse-Algorithmen gegeben, die aufgrund eines Literatur{\"u}berblicks (SCHNEIDER \& SCHEIBLER 1983a) als die in der Fonchung haupts{\"a}chlich benutzten Verfahren einzustufen sind. Die Kurzbeschreibung verzichtet im wesentlichen auf statistische Details und verfolgt speziell das Ziel, dem Leser eine Vorstellung von Gemeinsamkeiten und Untenchieden in der Funktionsweise von hierarchischen Clusteranalysen, Optimierungs- bzw. Partitionierungstechniken, Dichteverfahren, "Clumping Techniques" und anderen Prozeduren zu geben.},
  subject      = {Cluster-Analyse},
  language  = {de}
}
@article{SchneiderScheibler1983,
  author    = {Schneider, Wolfgang and Scheibler, D.},
  title     = {Probleme und M{\"o}glichkeiten bei der Bewertung von Clusteranalyse-Verfahren: II. Ergebnisse einer Monte-Carlo-Studie},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-69637},
  year      = {1983},
  abstract  = {Ziel der vorliegenden Untersuchung war es, Aufschluß {\"u}ber die unterschiedliche Qualit{\"a}t hierarchischer und nicht-hierarchischer (partionierender) Clusteranalyseverfahren zu gewinnen. Die Reproduktionsg{\"u}te beider Clusteranalyse-Varianten wurde anhand von 200 Monte-Carlo-Datens{\"a}tzen (multivariat normalverteilte Mixturen) zu {\"u}berpr{\"u}fen versucht, wobei jeweils unterschiedliche Proportionen der Daten-Elemente klassifiZiert werden mußten. Es zeigte sich, daß insgesamt gesehen die hierarchischen Algorithmen nach WARD und LANCE-WILUAMS am besten dazu in der Lage waren, die vorgegebenen Datenstrukturen zu reproduzieren, andererseits aber die herangezogenen partitionierenden KMEANS-Verfahren nicht schlechter abschnitten, wenn die L{\"o}sung der WARD-Technik als Start-Partition vorgegeben wurde.},
  subject      = {Monte-Carlo-Simulation},
  language  = {de}
}