Result: REPPlab: An R package for detecting clusters and outliers using exploratory projection pursuit

Title:
REPPlab: An R package for detecting clusters and outliers using exploratory projection pursuit
Authors:
Fischer, Daniel, Berro, Alain, Nordhausen, Klaus, Ruiz-Gazen, Anne
Contributors:
Natural Resources Institute Finland (LUKE), Système d’exploitation, systèmes répartis, de l’intergiciel à l’architecture (IRIT-SEPIA), Institut de recherche en informatique de Toulouse (IRIT), Université Toulouse Capitole (UT Capitole), Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Université Toulouse - Jean Jaurès (UT2J), Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Université Toulouse III - Paul Sabatier (UT3), Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Centre National de la Recherche Scientifique (CNRS)-Institut National Polytechnique (Toulouse) (Toulouse INP), Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Toulouse Mind & Brain Institut (TMBI), Université Toulouse - Jean Jaurès (UT2J), Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Université Toulouse III - Paul Sabatier (UT3), Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Université Toulouse Capitole (UT Capitole), Communauté d'universités et établissements de Toulouse (Comue de Toulouse), Vienna University of Technology = Technische Universität Wien (TU Wien), Toulouse School of Economics (TSE-R), Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-Communauté d'universités et établissements de Toulouse (Comue de Toulouse)-École des hautes études en sciences sociales (EHESS)-Centre National de la Recherche Scientifique (CNRS)-Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement (INRAE), The article is based upon work from COST Action CRoNoS (Grant No. IC1408), supported by COST (European Cooperation in Science and Technology)
Source:
Communications in Statistics - Simulation and Computation. 50(11):3397-3419
Publisher Information:
CCSD; Taylor & Francis, 2021.
Publication Year:
2021
Collection:
collection:SHS
collection:UNIV-TLSE2
collection:UNIV-TLSE3
collection:CNRS
collection:EHESS
collection:AO-ECONOMIE
collection:UT1-CAPITOLE
collection:INRAE
collection:IRIT
collection:IRIT-SEPIA
collection:IRIT-ASR
collection:IRIT-UT1C
collection:TOULOUSE-INP
collection:UNIV-UT3
collection:UT3-INP
collection:UT3-TOULOUSEINP
Subject Terms:
Particle swarm optimization, Kurtosis, Genetic algorithms, Java, Projection index, Tribes, Projection matrix, Unsupervised data analysis, [SHS.ECO]Humanities and Social Sciences, Economics and Finance, [INFO]Computer Science [cs], [INFO.INFO-DS]Computer Science [cs], Data Structures and Algorithms [cs.DS]
Original Identifier:
WOS: 000735134600012
HAL: hal-03548865
Document Type:
Journal article<br />Journal articles
Language:
English
ISSN:
0361-0918
1532-4141
Relation:
info:eu-repo/semantics/altIdentifier/doi/10.1080/03610918.2019.1626880
DOI:
10.1080/03610918.2019.1626880
Access URL:
https://hal.science/hal-03548865
https://hal.science/hal-03548865v1/document
https://hal.science/hal-03548865v1/file/wp_tse_1001.pdf
Rights:
info:eu-repo/semantics/OpenAccess
Accession Number:
edshal.hal.03548865v1
Database:
HAL

Further Information

National audience
The R-package REPPlab is designed to explore multivariate data sets using one-dimensional unsupervised projection pursuit. It is useful as a preprocessing step to find clusters or as an outlier detection tool for multivariate data. Except from the packages tourr and rggobi, there is no implementation of exploratory projection pursuit tools available in R. REPPlab is an R interface for the Java program EPP-lab that implements four projection indices and three biologically inspired optimization algorithms. It also proposes new tools for plotting and combining the results and specific tools for outlier detection. The functionality of the package is illustrated through some simulations and using some real data.