Abstrait

AMÉLIORATION DU CLUSTERING SUR DES ENSEMBLES DE DONNÉES DE HAUTE DIMENSION À L'AIDE DE L'ACP

Dr Dharmender Kumar, Parveen Kumar

La dernière décennie a vu une croissance explosive dans la génération et la collecte de données. Dans le domaine de l'exploration de données, diverses techniques sont utilisées pour extraire des informations utiles de l'ensemble de données. Il existe diverses techniques d'estimation utilisées dans les méthodes de clustering à partir de ces distances euclidiennes et de la densité utilisées pour l'estimation. Parmi ces techniques d'estimation, une autre technique de masse est également utilisée. Le clustering basé sur la masse donne de meilleures performances lorsqu'il est appliqué avec la technique PCA dans un ensemble de données multidimensionnelles et de grande dimension. Sur la base du comportement du temps d'exécution, l'algorithme DEMassDBSCAN est meilleur que l'algorithme de clustering DBSCAN.

Avertissement: Ce résumé a été traduit à l'aide d'outils d'intelligence artificielle et n'a pas encore été examiné ni vérifié

Indexé dans

Google Scholar
Academic Journals Database
Open J Gate
Academic Keys
ResearchBible
CiteFactor
Electronic Journals Library
RefSeek
Hamdard University
Scholarsteer
International Innovative Journal Impact Factor (IIJIF)
International Institute of Organised Research (I2OR)
Cosmos

Voir plus