Данная статья посвящена разработке методики оценки качества обслуживания пассажиров городским пассажирским транспортом. Для осуществления данной методики использовались инструменты статистического анализа.
оценка качества, факторный анализ, кластерный анализ, порядковая регрессия
I. ВВЕДЕНИЕ
Кластерный анализ, являясь одним из методов моделирования, также как и другие его разновидности требует проверки адекватности (валидации) своего итогового решения, а именно той структуры (модели), которую он вносит в данные.
1. Гусарова, Л. Проверка обоснованности кластерного решения / Л. Гусарова, И. Яцкив // Proceedings of the International Conference RELIABILITY and STATISTICS in TRANSPORTATION and COMMUNICATION (RelStat’03). – Riga: Transport and Telecommunication Institute, 2004. – Vol. 2. – P. 49-56.
2. Федоров, Н. Ю. Современное состояние программно-аппаратных комплексов управления перевозками легковым автотранспортом / Н. Ю. Федоров // Моделирование систем и процессов. – Воронеж. 2010. – №3-4. – С. 45-55.
3. Azuaje, F. A cluster validity framework for genome expression data / F. Azuaje // Bioinformatics. – 2002. – Vol. 18. – P. 319-320.
4. Azuaje, F. Clustering genomic expression data: design and evaluation principles / F. Azuaje, N. Bolshakova // A Practical Approach to Microarray Data Analysis. – 2003. – P. 230-245.
5. Bolshakova, N. Cluster validation techniques for genome expression data / N. Bolshakova, F. Azuaje // Signal Processing. – 2003. – Issue 4. – Vol. 83. – P. 825-833.
6. Dalton, L. Clustering algorithms: on learning, validation, performance, and applications to genomics / L. Dalton, V. Ballarin, M. Brun // Current Genomics. – 2009. –Vol. 10. – № 6. – P. 430-445.
7. Davies, D.L. A cluster separation measure / D. L. Davies, D. W. Bouldin // IEEE Transactions on Pattern Recognition and Machine Intelligence. – 1979. – Issue 1. – Vol. 2. – P. 224-227.
8. Dunn, J. Well separated clusters and optimal fuzzy partitions / J. Dunn // Cybernetics. – 1974. – Vol. 4. – P. 95–104.
9. Lattin, J.M. Analyzing Multivariate Data / J. M. Lattin, J. D. Carroll, P. E. Green. – Belmont, CA: Duxbury Press. – 2003.
10. Rendon, E. Internal versus external cluster validation indexes / E. Rendon, I. Abundez, A. Arizmendi, E. M. Quiroz // International Journal of Computers and Communications. –2011. – Issue 1. – Vol. 5. – P. 27-34.
11. Rousseeuw, P.J. Silhouettes: a graphical aid to the interpretation and validation of cluster analysis / P. J. Rousseeuw // Computational and Applied Mathematics. – 1987. – Vol. 20. – P. 53–65.
12. Sarle, W. S. Cubic clustering criterion / W. S. Sarle // SAS Technical Report A-108. – Cary, N.C.: SAS Institute. – 1983. – P. 5
