APPROCCIO DI DATA MINING BASATO SULLO STREAM MINING
UN APPROCCIO BASATO SULLO STREAM MINING PER UN AMBIENTE DINAMICO UTILIZZANDO L'ALGORITMO K-MEANS++
Versandkostenfrei!
Versandfertig in 6-10 Tagen
28,99 €
inkl. MwSt.
PAYBACK Punkte
14 °P sammeln!
Il clustering è una delle tecniche più importanti del data mining. Ha lo scopo di suddividere i dati in gruppi di oggetti simili. Questo viene definito cluster. Questa ricerca confronta l'algoritmo StreamKM++ con i lavori esistenti, come AP, IAPKM e IAPNA. L'algoritmo StreamKM++ è un nuovo algoritmo di clustering del flusso di dati e costruisce un buon clustering del flusso, utilizzando una piccola quantità di memoria e di tempo.Molti ricercatori hanno svolto il loro lavoro con un algoritmo di clustering statico, ma in tempo reale i dati sono di natura dinamica. Come i blog, le pagine web,...
Il clustering è una delle tecniche più importanti del data mining. Ha lo scopo di suddividere i dati in gruppi di oggetti simili. Questo viene definito cluster. Questa ricerca confronta l'algoritmo StreamKM++ con i lavori esistenti, come AP, IAPKM e IAPNA. L'algoritmo StreamKM++ è un nuovo algoritmo di clustering del flusso di dati e costruisce un buon clustering del flusso, utilizzando una piccola quantità di memoria e di tempo.Molti ricercatori hanno svolto il loro lavoro con un algoritmo di clustering statico, ma in tempo reale i dati sono di natura dinamica. Come i blog, le pagine web, gli audio e i video, ecc... Per questo motivo, la tecnica statica convenzionale non supporta l'ambiente in tempo reale. In questo lavoro, viene utilizzato l'algoritmo StreamKM++ che raggiunge elevate prestazioni di clustering rispetto ai tradizionali AP, IAPKM e IAPNA. I risultati sperimentali mostrano che l'algoritmo StreamKM++ ottiene il miglior risultato rispetto ai lavori esistenti. Ha aumentato il tasso di accuratezza medio e ha ridotto il tempo di calcolo, la memoria e il numero di iterazioni.
Andere Kunden interessierten sich für
