Facebook Instagram Twitter RSS Feed PodBean Back to top on side

Přínos učících se metod statistického rozpoznávání obrazů při hledání faktorů konkurenceschopnosti českých podniků

In: Ekonomický časopis/Journal of Economics, vol. 58, no. 9
Jiří Špalek - Ondřej Částek
Detaily:
Rok, strany: 2010, 922 - 937
Kľúčové slová:
corporate competitiveness, statistical pattern recognition, factors of competitiveness, sequential forward flow search
Typ článku: Vedecký článok / Article
O článku:
Příspěvek je věnován metodické stránce měření souvislosti mezi potenciálními faktory konkurenceschopnosti a samotnou konkurenceschopností. Představuje metodu sekvenčního dopředného plovoucího výběru (SFFS) z kategorie metod statistického rozpoznávání obrazů a její aplikaci na data 432 podniků, u nichž byla známa hospodářská výkonnost a pro něž bylo za každý podnik k dispozici až 683 potenciálních faktorů této výkonnosti. Text proto shrnuje známé přístupy k této problematice, popisuje metodu SFFS a na dosažených výsledcích dokazuje její přínos k dané problematice. Nespornou výhodou této metody je její nenáročnost na charakter dat: nevyžaduje apriorní model nebo normalitu. Dále je schopna vyhodnotit souvislosti mezi mnoha proměnnými najednou, a to v přijatelném časovém horizontu. Článek ale uvádí i nevýhody této metody.
The submitted paper concentrates on the methodical aspects of measuring the relationship between potential competitiveness factors and the corporate competitiveness. We employ methods of statistical pattern recognition, particularly the sequential forward flow search algorithm (SFFS). The algorithm is applied on data from 432 companies. For these companies there was known their financial performance and there was up to 683 (each company) potential factors of this performance in our database. The text therefore summarizes the known approaches, describes the SFFS algorithm and proves its contribution to this field of research. An undeniable advantage of this method is its low demands on data: it does not require the normality or an a priori model. Also, it is able to evaluate relationships among many variables at once in acceptable time frame. The article presents the drawbacks of this method as well.
Ako citovať:
ISO 690:
Špalek, J., Částek, O. 2010. Přínos učících se metod statistického rozpoznávání obrazů při hledání faktorů konkurenceschopnosti českých podniků. In Ekonomický časopis/Journal of Economics, vol. 58, no.9, pp. 922-937. 0013-3035.

APA:
Špalek, J., Částek, O. (2010). Přínos učících se metod statistického rozpoznávání obrazů při hledání faktorů konkurenceschopnosti českých podniků. Ekonomický časopis/Journal of Economics, 58(9), 922-937. 0013-3035.