Новий евристичний алгоритм кластеризації даних
DOI:
https://doi.org/10.15587/1729-4061.2015.39785Ключові слова:
спосіб кластеризації даних, кластер, евристичний підхід, густина розподілуАнотація
В даній статті представлений спосіб автоматизованої оцінки числа кластерів, заснований на евристичному підході чіткої кластеризації вхідного масиву даних з використанням густини розподілу даного масиву. Спосіб включає в себе правило прийняття рішення. Даний підхід чіткої кластеризації дає змогу оцінити, чи є число кластерів більше за одиницю.
Посилання
- Kudo, M., Sklansky, J. (2000). Comparison of algorithms that select features for pattern classifiers. Pattern Recognition, 33 (1), 25–41. doi: 10.1016/S0031-3203(99)00041-2
- Wernick, M. N., Yang, Y., Brankov, J. G., Yourganov, G., Strother, S. C. (2010) "Machine Learning in Medical Imaging", IEEE Signal Processing Magazine, 27 (4), 25–38. doi: 10.1109/msp.2010.936730
- Solomon, C. J., Breckon, T. P. (2010). Fundamentals of Digital Image Processing: A Practical Approach with Examples in Matlab. Wiley-Blackwell, 328. doi: 10.1002/9780470689776
- McCallum, A., Nigam, K., Ungar, L. H. (2000). Efficient Clustering of High Dimensional Data Sets with Application to Reference Matching. Proceedings of the sixth ACM SIGKDD international conference on Knowledge discovery and data mining, 169–178. doi: 10.1145/347090.347123
- Deepti. S., Lokesh. S., Sheetal. S., Khushboo. S. (2012). Clustering Techniques: A Brief Survey of Different Clustering Algorithms. International Journal of Latest Trends in Engineering and Technology (IJLTET), 1, 82–87.
- Khushali, M., Swapnil, A., Sahista, M. (2013) NDCMD: A Novel Approach Towards Density Based Clustering Using Multidimensional Spatial Data. International Journal of Engineering Research & Technology (IJERT), 2 (6).
- Shou, S.-G., Zhou, A.-Y. Jin, W., Fan, Y., Qian, W.-N. (2000). A Fast DBSCAN Algorithm. Journal of Software, 735–744.
- Peter, J. H., Antonysamy, A. (2010). An Optimised Density Based Clustering Algorithm. International Journal of Computer Applications, 6 (9), 20–25. doi: 10.5120/1102-1445
- Wei, W., Shuang, Z., Bingfei, R., Suoju, H. (2013). improved VDBscan with global optimum K.
- Birant, D., Kut, A. (2007). ST-DBSCAN: An algorithm for clustering spatial–temporal data. Data & Knowledge Engineering, 60 (1), 208–221. doi: 10.1016/j.datak.2006.01.013
- Navneet, G., Poonam, G., Venkatramaiah, K., Deepak, P. C., Sanoop, P. S. (2011). An Efficient Density Based Incremental Clustering Algorithm in Data Warehousing Environment. 2009 International Conference on Computer Engineering and Applications IPCSIT, 2.
- Rehman, M., Mehdi, S. A. Comparison of density-based clustering algorithms. Available at: https://www.google.com.ua/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&ved=0CBwQFjAA&url=http%3A%2F%2Fwww.researchgate.net%2Fprofile%2FSyed_Atif_Mehdi%2Fpublication%2F242219043_COMPARISON_OF_DENSITY-BASED_CLUSTERING_ALGORITHMS%2Flinks%2F5422e1120cf26120b7a6b36e.pdf&ei=LHgRVaSTA6Gv7Abh34CACw&usg=AFQjCNFA9JnzuIbam4BOKYCS_30Yw8Czmg&sig2=wNiTYQiNzFKcDOfEV3mLFw&cad=rja
- Berkhin, P. (2002). Survey Of Clustering Data Mining Techniques. Available at: http://www.cc.gatech.edu/~isbell/reading/papers/berkhin02survey.pdf
- Abu Abbas, O. (2008).Comparison Between Data Clustering Algorithm. The International Arab Journal of Information Technology, 5 (3), 320–325.
- Gan, G., Chaoqun, M., Jianhong, W. (2007). Data Clustering: Theory, Algorithms, and Applications. ASA-SIAM Series on Statistics and Applied Probability, SIAM, Philadelphia, ASA, Alexandria, 466. doi: 10.1137/1.9780898718348
- Jiawei, H., Kamber, M., Pei, J. (2006). Data Mining: Concepts and Techniques, Second Edition. Series Editor Morgan Kaufmann Publishers, 800.
- Riley, K. F., Hobson, M. P., Bence, S. J. (2010).Mathematical methods for physics and engineering. Cambridge University Press, 1359.
- Anil, K. J., Dubes, R. C. (1988). Algorithms for clustering data. Prentice-Hall, Inc. Upper Saddle River, NJ, USA.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2015 Volodymyr Mosorov, Taras Panskyi
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.