Ottimizzazione del clustering k-means mediante algoritmo genetico
Versandkostenfrei!
Versandfertig in 6-10 Tagen
28,99 €
inkl. MwSt.
PAYBACK Punkte
14 °P sammeln!
Nel corso del tempo, si accumula un'enorme quantità di dati. L'estrazione delle informazioni è uno dei processi che richiede più tempo, perché varia notevolmente a seconda delleesigenze dell 'utente . Ivari approcci del data mining sono impiegati per raccogliere i dati rilevanti e presentarli in modo digeribile per gli utenti finali. Ilclustering e la classificazione sono due tecniche didata mining utilizzate per scoprire modelli e intuizioni inediti.Questa sintesi illustra l'uso delle tecniche di data mining, in particolare il clustering e la classificazione, per estrarre informazioni ril...
Nel corso del tempo, si accumula un'enorme quantità di dati. L'estrazione delle informazioni è uno dei processi che richiede più tempo, perché varia notevolmente a seconda delleesigenze dell 'utente . Ivari approcci del data mining sono impiegati per raccogliere i dati rilevanti e presentarli in modo digeribile per gli utenti finali. Ilclustering e la classificazione sono due tecniche didata mining utilizzate per scoprire modelli e intuizioni inediti.Questa sintesi illustra l'uso delle tecniche di data mining, in particolare il clustering e la classificazione, per estrarre informazioni rilevanti dai dati accumulati. Sottolinea l'importanza di selezionare un algoritmo di clustering adeguato e introduce il concetto di utilizzo di un algoritmo genetico per migliorare il metodo di clustering k-means. Il metodo proposto mira a ottimizzare il processo di clustering e dimostra la sua efficacia attraverso un test basato su uno scenario. La sintesi si conclude suggerendo ricerche future per ottimizzare ulteriormente l'algoritmo k-means utilizzando vari metodi evolutivi.
Andere Kunden interessierten sich für
