Approche D'exploration De Flux Basée Sur L'exploration De Données
Une Approche Basée Sur L'exploration De Flux Pour Un Environnement Dynamique Utilisant L'algorithme K-means++
Versandkostenfrei!
Versandfertig in 6-10 Tagen
28,99 €
inkl. MwSt.
PAYBACK Punkte
14 °P sammeln!
Le regroupement est l'une des techniques les plus importantes dans le domaine de l'exploration des données. Elle vise à diviser les données en groupes d'objets similaires. C'est ce que l'on appelle les clusters. Cette recherche compare l'algorithme StreamKM++ aux travaux existants, tels que AP, IAPKM et IAPNA. L'algorithme StreamKM++ est un nouvel algorithme de clustering à partir du flux de données et il construit un bon clustering du flux, en utilisant une petite quantité de mémoire et de temps.De nombreux chercheurs ont effectué leur travail avec un algorithme de clustering statique...
Le regroupement est l'une des techniques les plus importantes dans le domaine de l'exploration des données. Elle vise à diviser les données en groupes d'objets similaires. C'est ce que l'on appelle les clusters. Cette recherche compare l'algorithme StreamKM++ aux travaux existants, tels que AP, IAPKM et IAPNA. L'algorithme StreamKM++ est un nouvel algorithme de clustering à partir du flux de données et il construit un bon clustering du flux, en utilisant une petite quantité de mémoire et de temps.De nombreux chercheurs ont effectué leur travail avec un algorithme de clustering statique, mais en temps réel, les données sont dynamiques par nature. C'est pourquoi la technique statique conventionnelle n'est pas adaptée à l'environnement en temps réel. Dans ce travail, l'algorithme StreamKM++ est utilisé et permet d'obtenir des performances de clustering élevées par rapport à l'AP traditionnel, à l'IAPKM et à l'IAPNA. Les résultats expérimentaux montrent que l'algorithme StreamKM++ obtient les meilleurs résultats par rapport aux travaux existants. Il a augmenté le taux de précision moyen et réduit le temps de calcul, la mémoire et le nombre d'itérations.
Andere Kunden interessierten sich für
