-
Акбердина В.В., Наумов И.В., Красных С.С. Цифровое пространство регионов Российской Федерации: оценка факторов развития и взаимного влияния на социально-экономический рост // Journal of Applied Economic Research. 2023. Т. 22. Вып. 2. С. 294-322. DOI: 10.15826/vestnik.2023.22.2.013 EDN: KJKFDS
-
Беркович М.И., Боженка С.В., Брут-Бруляко А.А. Оценка социально-экономического развития субъектов Российской Федерации: факторно-кластерный подход // Известия высших учебных заведений. Серия “Экономика, финансы и управление производством”. 2013. № 2. С. 41-49. EDN: QCPGMX
-
Блануца В.И. Географическая экспертиза стратегий экономического развития России. М.: ИНФРА-М, 2021а. 198 с.
-
Блануца В.И. Дендрограммы в региональном социально-экономическом анализе: интерпретация и верификация // Научная визуализация. 2021б. Т. 13. № 5. С. 1-15. DOI: 10.26583/sv.13.5.01 EDN: FSOJWV
-
Блануца В.И. Кластеризация регионов Сибири и Дальнего Востока по достижению национальных целей развития // Российский экономический журнал. 2022. № 3. С. 63-83. DOI: 10.33983/0130-9757-2022-3-63-83 EDN: NQNZAU
-
Блануца В.И. Региональные экономические исследования с использованием алгоритмов искусственного интеллекта: состояние и перспективы // Вестник Забайкальского государственного университета. 2020. Т. 26. № 8. С. 100-111. DOI: 10.21209/2227-9245-2020-26-8-100-111 EDN: TOKQZH
-
Быкова М.Л. Кластеризация как инструмент управления экономической безопасностью регионов Российской Федерации // Beneficium. 2023. № 4. С. 6-12. DOI: 10.34680/BENEFICIUM.2023.4(49).6-12 EDN: NUSNXR
-
Жолудева И.И., Мельниченко Н.Ф., Козлов Г.Е. Применение кластерного анализа для оценки социально-экономического развития регионов на примере ЦФО и Ярославской области // Экономика, статистика и информатика. 2014. № 1. С. 144-148. EDN: RVQXBV
-
Ларченко Ю.Г. Кластеризация регионов на рынке труда по уровню привлекательности для иногородних соискателей // Ученые записки Комсомольского-на-Амуре государственного технического университета. 2023. № 8. С. 108-113. EDN: GNREMO
-
Лимонова Г.Г. Статистический анализ неравномерности распределения национального богатства по территории России // Вестник Оренбургского государственного университета. 2014. № 3. С. 137-141. EDN: SEWKLJ
-
Лясковская Е.А., Просвирина И.И., Кучина Е.В. Экономическое неравенство в России: анализ региональных особенностей // Вестник ЮУрГУ. Серия "Экономика и менеджмент". 2023. Т. 17. № 3. С. 77-87. DOI: 10.14529/em230307 EDN: OCWLGE
-
Ляхова Н.И., Григорян Д.Р. Обоснование выделения Центрально-Черноземного района для разработки общей стратегии развития // Региональная экономика и управление: электронный научный журнал. 2017. № 2. 13 с. EDN: YTTTYJ
-
Сорокина Н.Ю., Гагарина Г.Ю., Губарев Р.В. Диагностика социально-экономического развития регионов Российской Федерации с применением технологии нейросетевого моделирования // Плехановский научный бюллетень. 2017. № 2. С. 205-209. EDN: ZXODYP
-
Тимирьянова В.М., Зимин А.Ф., Жилина Е.В. Пространственная составляющая в изменении розничного рынка товаров // Экономика региона. 2018. Т. 14. Вып. 1. С. 164-175. DOI: 10.17059/2018-1-13 EDN: YWWBRM
-
Трещевский Ю.И., Кособуцкая А.Ю., Гарин Л.К. Экономико-статистический анализ локализации эколого-экономической активности российских регионов // Социально-политические исследования. 2021. № 2. С. 87-99. DOI: 10.20323/2658-428X-2021-2-11-87-99 EDN: CITSIR
-
Шпак А.С., Шаталова А.С., Сальников К.Н. Оценка развития малого предпринимательства в Дальневосточном федеральном округе // Фундаментальные исследования. 2019. № 12-1. С. 211-217. EDN: NTAYNP
-
Aldenderfer M.S., Blashfield R K. Cluster Analysis. Beverly Hills: Sage Publications, 1984. 88 p.
-
Chabra A., Masalkovaite K., Mohapatra P. An Overview of Fairness in Clustering // IEEE Access. 2021. Vol. 9. Pp. 130698-130720. DOI: 10.1109/ACCESS.2021.3114099 EDN: KOOSJW
-
Charrad M., Ghazzali N., Boiteau V., Niknafs A. NbClust: An R Package for Determining the Relevant Number of Clusters in a Data Set // Journal of Statistical Software. 2014. Vol. 61. Issue 6. Pp. 1-36. DOI: 10.18637/jss.v061.i06
-
Ester M., Kriegel H.-P., Sander J., Xu X. A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise / Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD-96). Portland: AAAI Press, 1996. Pp. 226-231.
-
Everitt B., Landau S., Leese M. Cluster Analysis. London: Arnold, 2001. 237 p.
-
Foss A.H., Markatou M., Ray B. Distance Metrics and Clustering Methods for Mixed-Type Data // International Statistical Review. 2019. Vol. 87. Issue 1. Pp. 80-109. DOI: 10.1111/insr.12274
-
Gerdon F., Bach R.L., Kern C., Kreuter F. Social Impact of Algorithmic Decision-Making: A Research Agenda for the Social Sciences // Big Data & Society. 2022. Vol. 9. Issue 1. Pp. 1-13. DOI: 10.1177/20539517221089305 EDN: VGWNOY
-
Giordani P., Ferraro M. B., Martella F. An Introduction to Clustering with R. Singapore: Springer, 2020. 340 p.
-
Gupta S., Ghalme G., Krishnan N.C., Jain S. Efficient Algorithms for Fair Clustering with a New Notion of Fairness // Data Mining and Knowledge Discovery. 2023. Vol. 37. Pp. 1959-1997. DOI: 10.1007/s10618-023-00928-6 EDN: QUCYNK
-
Hadi A.S. A New Distance Between Multivariate Clusters of Varying Locations, Elliptical Shapes, and Directions // Pattern Recognition. 2022. Vol. 129. 108780. DOI: 10.1016/j.patcog.2022.108780
-
Hartigan J.A. Clustering Algorithms. New York: Wiley, 1975. 351 p.
-
Jackson M.C. Artificial Intelligence & Algorithmic Bias: The Issues with Technology Reflecting History & Humans // Journal of Business and Technology Law. 2021. Vol. 16. Issue 2. Pp. 299-316.
-
Johnson G.M. Algorithmic Bias: On the Implicit Biases of Social Technology // Synthese. 2021. Vol. 198. Pp. 9941-9961. DOI: 10.1007/s11229-020-02696-y EDN: ZHMOSR
-
Kordzadeh N., Ghasemaghaei M. Algorithmic Bias: Review, Synthesis, and Future Research Directions // European Journal of Information Systems. 2022. Vol. 31. Issue 3. Pp. 388-409. DOI: 10.1080/0960085X.2021.1927212 EDN: SIIQWK
-
Liu Z., Janowicz K., Cai L., Zhu R., Mai G., Shi M. Geoparsing: Solved or Biased? An Evaluation of Geographic Biases in Geoparsing / Proceedings of the 25th AGILE Conference on Geographic Information Science. Vilnus: AGILE, 2022. Pp. 1-13. DOI: 10.5194/agile-giss-3-9-2022
-
Liu Z., Zhang X., Jiang B. Active Learning with Fairness-Aware Clustering for Fair Classification Considering Multiple Sensitive Attributes // Information Sciences. 2023. Vol. 647. 119521. DOI: 10.1016/j.ins.2023.119521 EDN: XKIFPQ
-
Lopez-Villuendas A.M., del Campo C. Regional Economic Disparities in Europe: Time-Series Clustering Of NUTS 3 Regions // International Regional Science Review. 2023. Vol. 46. Issue 3. Pp. 265-298. DOI: 10.1177/01600176221125703 EDN: ITYWGY
-
Lorimer T., Held J., Stoop R. Clustering: How Much Bias Do We Need? // Philosophical Transactions of the Royal Society A. 2017. Vol. 375. 20160293. DOI: 10.1098/rsta.2016.0293
-
MacQueen J.B. Some Methods for Classification and Analysis of Multivariate Observations / Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability. Berkeley: University of California Press, 1976. Pp. 281-297.
-
Majewska J., Truskolaski S. Cluster-Mapping Procedure for Tourism Regions Based on Geostatistics and Fuzzy Clustering: Example of Polish Districts // Current Issues in Tourism. 2019. Vol. 22. Issue 19. Pp. 2365-2385. DOI: 10.1080/13683500.2018.1467883 EDN: THODEV
-
Mirkin B. Mathematical Classification and Clustering. Dordrecht: Kluwer Academic Publisher, 1996. 580 p.
-
Miyamoto S., Ichihashi H., Honda K. Algorithms for Fuzzy Clustering: Methods in c-Means Clustering with Applications. Berlin; Heidelberg: Springer, 2008. 248 p. DOI: 10.1007/978-3-540-78737-2
-
Oduntan O.I., Thulasiraman P. Blending Multiple Algorithmic Granular Components: A Recipe for Clustering // Swarm Intelligence. 2022. Vol. 16. Pp. 305-349. DOI: 10.1007/s11721-022-00219-8 EDN: PJUUFW
-
Pan R., Zhong C. Fairness First Clustering: A Multi-Stage Approach for Mitigating Bias // Electronics. 2023. Vol. 12. Issue 13. 2969. DOI: 10.3390/electronics12132969
-
Robinson C., Franklin R.S. The Sensor Desert Quandary: What Does It Mean (Not) to Count in the Smart City? // Transactions of the Institute of British Geographers. 2020. Vol. 46. Issue 2. Pp. 238-254. DOI: 10.1111/tran.12415
-
Safransky S. Geographies of Algorithmic Violence: Redlining the Smart City // International Journal of Urban and Regional Research. 2020. Vol. 44. Issue 2. Pp. 200-218. DOI: 10.1111/1468-2427.12833
-
Sanchez P., Bellogin A., Boratto L. Bias Characterization, Assessment, and Mitigation in Location-Based Recommender Systems // Data Mining and Knowledge Discovery. 2023. Vol. 37. Pp. 1885-1929. DOI: 10.1007/s10618-022-00913-5 EDN: OWPTPH
-
Soares J.O., Coutinho C.C. Cluster Analysis in Regional Science // Advances and Applications in Statistical Science. 2010. Vol. 1. Issue 2. Pp. 311-325.
-
Tryon R.C. Cluster Analysis: Correlation Profile and Orthometric (Factor) Analysis for the Isolation of Unities in Mind and Personality. Ann Arbor: Edwards Brothers, 1939. 122 p.
-
Van Giffen B., Herhausen D., Fahse T. Overcoming the Pitfalls and Perils of Algorithms: A Classification of Machine Learning Biases and Mitigation Methods // Journal of Business Research. 2022. Vol. 144. Pp. 93-106. DOI: 10.1016/j.jbusres.2022.01.076 EDN: WDWICZ
-
Wagner B., Winkler T., Human S. Bias in Geographic Information Systems: The Case of Google Maps // Proceedings of the 54th Hawaii International Conference on System Sciences (HICSS54). Honolulu, 2021. Pp. 837-847. DOI: 10.24251/HICSS.2021.103
-
Ward J.H. Hierarchical Grouping to Optimize an Objective Function // Journal of the American Statistical Association. 1963. Vol. 58. Issue 301. Pp. 236-244.
-
Xu D., Tian Y.A.Comprehensive Survey of Clustering Algorithms // Annals of Data Science. 2015. Vol. 2. Pp. 165-193. DOI: 10.1007/s40745-015-0040-1 EDN: MWBLEH
-
Xu R., Wunsch D. Survey of Clustering Algorithms // IEEE Transactions on Neural Networks. 2005. Vol. 16. Issue 3. Pp. 645-678. DOI: 10.1109/TNN.2005.845141
-
Zou J., Schiebinger L. AI Can be Sexist and Racist - It's Time to Make It Fair // Nature. 2018. Vol. 559. Pp. 324-326. DOI: 10.1038/d41586-018-05707-8