Sisällyttämisen mitta

Kokeneet kirjoittajat eivät ole vielä tarkistaneet sivun nykyistä versiota, ja se voi poiketa merkittävästi 9.6.2021 tarkistetusta versiosta . vahvistus vaatii 1 muokkauksen .

Inkluusiomitat ovat epäsymmetrisiä samankaltaisuusmittareita, jotka heijastavat yhden kohteen läheisyyden astetta suhteessa toiseen. Ei ole järkevää käyttää inkluusiotoimenpiteitä erikseen. Inkluusiomitat tunnetaan myös epäsymmetrisinä mittaina, suuntaa antavina konvergenssimittaina. Osallistamistoimenpiteet kuvastavat kokonaisia suhteita. On myös käsite ei-inkluusiomittaukset, jotka määritellään inkluusiomittareiden lisäämiseksi arvoon 1. Yleensä inkluusiomitat esitetään inkluusiomatriisina

On erityisesti huomioitava, että osallisuusmitat ovat yleensä informatiivisempia ja erityisesti ominaisuuksien lukumäärän suhteen erikokoisille esineille kuin samankaltaisuusmittaukset, koska jälkimmäiset ovat itse asiassa keskimääräisiä indikaattoreita ja siksi menettävät osan tiedoista. kohteista, ja epäsymmetriset inkluusiomitat arvioivat riittävästi ei-transitiivisia suhteita, jotka ovat luonteeltaan yleisempiä. Esimerkiksi yksi luettelo voi olla 100 % mukana toisessa luettelossa, ja toinen lista puolestaan voi olla vain 10 %. Samalla samankaltaisuuskerroin ei pysty heijastamaan näitä suhteita riittävästi, koska esimerkiksi 10 yleistä lajia on merkitsevä yhdelle 10 lajin luettelolle, mutta ei niin merkittävä suurelle (esimerkiksi) 100 lajin luettelolle. . Sorensenin samankaltaisuuden mitta tässä tapauksessa on noin 20%. [1] [2]
Yleisesti ottaen epäsymmetriset samankaltaisuusmitat voidaan esittää seuraavasti: ; . Ja erityinen inkluusiomitta voidaan laskea Semkinin samankaltaisuusmittojen jatkuvuuden yleisestä kaavasta . $K_0 (A;B) = \frac{konv(A,B)}{S(B)}$ $K_0 (B;A) = \frac{konv(A,B)}{S(A)}$

Inkluusiomitat äärellisille joukoille

Samanlaisia mittareita, joita kutsutaan "täydellisyyden" ja "tarkkuuden" kertoimiksi, käytetään laajalti tiedonhakujärjestelmissä [3] [4] . B. A. Yurtsev [5] [6] käytettiin kukkakaupassa nimellä " epäspesifisyyskertoimet " yhden kasviston suhteessa toiseen . B. I. Semkinin ja T. A. Komarovan [7] [8] teosten jälkeen inkluusiotoimenpiteitä alettiin käyttää laajalti synekologiassa ja biogeografiassa [9] . Yleisimmin käytetyt toimenpiteet ovat:

K(A;B)={\frac {n(A\cap B)}{n(A))));K(B;A)={\frac {n(A\cap B)} { n(B)}}

Kuvaavien joukkojen sisällyttäminen

Kuvailevien joukkojen tapauksessa (kuvaava tulkinta), ekologiassa nämä ovat näytteitä runsauden mukaan, mittaukset esittelivät B. I. Semkin ja T. A. Komarova. Esimerkiksi:

K(A;B)={\frac {m(A\wedge B)}{n(A)))={\sum _{i=1}^{r}min(A_{i}, B_{i}) \over \sum _{i=1}^{r}(A_{i})};

K(B;A)={\frac {m(A\wedge B)}{n(B)))={\sum _{i=1}^{r}min(A_{i}, B_{i}) \over \sum _{i=1}^{r}(B_{i})}.

Todennäköisyyksien sisällyttäminen

Jos lajien esiintymistä verrataan (probabilistinen tulkinta), eli otetaan huomioon kohteiden kohtaamisen todennäköisyydet, niin edellä mainittujen mittareiden analogi on Dice:n epäsymmetriset mitat (tapahtumien sisällyttämismitat) (assosiaatioindeksi), ehdotettu. L. R. Dice vuonna 1945 [10] :

K(A;B)={\frac {h}{a}}={\frac {P(A\cap B)}{P(A))));K(B;A)={ \ frac {h}{b}}={\frac {P(A\cap B)}{P(B)))

Noppamitat, kuten kaikki tapahtuman sisällyttämismitat, ovat todennäköisyysmittauksia ja ovat olennaisesti ehdollisia todennäköisyyksiä .

Inkluusiotoimenpiteet informaatiotulkintaa varten

Informaatioanalyyttiseen tulkintaan käytetään yksisuuntaisen riippuvuuden suhteellisia mittareita . [11] [12]

K(A;B)={\frac {I(A,B)}{H(A))));K(B;A)={\frac {I(A,B)}{H (B)}}

Katso myös

Kirjallisuus

↑ Semkin B. I. Kahden inkluusiomitan keskiarvojen ja samankaltaisuusmittojen välisestä suhteesta (pääsemätön linkki) // Tiedote. BSI FEB RAS: tieteellinen. -lehteä / Nörtti. Garden-Institute FEB RAS. - Vladivostok, 2009. Numero. 3. S. 91-101.
↑ Semkin B. I., Oreshko A. P., Gorshkov M. V. Bioinformaattisten teknologioiden käytöstä vertailevassa kukkakaupassa. II. Kuvaavien joukkojen sisällyttäminen ja niiden käyttö (pääsemätön linkki) // Tiedote. BSI FEB RAS: tieteellinen. -lehteä / BSI FEB RAN. - Vladivostok, 2009. Numero. 4. S. 58-70.
↑ Clevardon CW Indeksikielilaitteiden testaus // Aslib Proceedings. 1963. V. 15. Nro 4. P. 106-130.
↑ Salton G. A. Automaattinen tietojen käsittely, tallennus ja haku. — M.: Sov. Radio, 1973. - 560 s.
↑ Yurtsev B. A. Flora Suntar-Khayat. - L .: Nauka, 1968. - 235 s.
↑ Semkin B. I. B. A. Yurtsevin ehdottama kvantitatiiviset indikaattorit yksipuolisten florististen suhteiden arvioimiseksi // Bot. ja. 2007. V. 92. Nro 4. S. 114-127.
↑ Semkin B. I., Komarova T. A. Kasvien kuvausten analyysi inkluusiomittauksilla (esimerkiksi Amguema-joen laakson kasviyhteisöistä Chukotkassa) // Bot. ja. 1977. V. 62. Nro 1. S. 54-63.
↑ Semkin B.I., Komarova T.A. Inkluusiotoimenpiteiden käyttö toissijaisten sukupolvien tutkimuksessa (esimerkiksi Sikhote-Alinin tulipalon jälkeisistä yhteisöistä) // Bot. ja. 1985. V. 70. Nro 1. S. 89-97.
↑ Andreev V. L. Luokittelurakenteet ekologiassa ja systematiikassa. - M.: Nauka, 1980. - 142 s.
↑ Dice LR Lajien välisen ekologisen assosioinnin määrän mitta // Ekologia. 1945. V. 26. Nro 3. S. 297-302.
↑ Nakahama H., Nishioka S. Tilastollinen riippuvuus intervallien välillä hermosolujen impulssisekvenssissä // J. Theoret. Biol. 1966. V. 12. Nro 1. S. 140-146.
↑ Nakahama H., Nishioka S., Otsuka T., Aikawa S. Tilastollinen riippuvuus spontaanin aktiivisuuden piikkien välillä talamuksen lemniscal neuroneissa // J. Neurophysiol. 1966. V. 29. Nro 5. P. 921-934.