Evaluation framework of hierarchical clustering methods for binary data

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14330%2F12%3A00062299" target="_blank" >RIV/00216224:14330/12:00062299 - isvavai.cz</a>

Výsledek na webu

<a href="http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6421371&isnumber=6421298" target="_blank" >http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6421371&isnumber=6421298</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/HIS.2012.6421371" target="_blank" >10.1109/HIS.2012.6421371</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Evaluation framework of hierarchical clustering methods for binary data

Popis výsledku v původním jazyce

The article aims to evaluate hierarchical clustering methods according to their performance for binary data type. We explore the accuracy of ten hierarchical clustering methods by experimenting with ten different distance measures. The three types of well, poorly and very poorly separated clusters of binary data sets are generated by selecting the appropriate parameters for binomial distribution and Monte Carlo method. In order to evaluate the precision of clustering methods the binary data sets are transformed to distance matrices. The error level each method is explored in relationship to distance measures, cluster types and data distributions. The Complete linkage, Flexible-beta and Ward´s methods have best clustering performance for the case of twowell separated clusters of binary data.

Název v anglickém jazyce

Evaluation framework of hierarchical clustering methods for binary data

Popis výsledku anglicky

The article aims to evaluate hierarchical clustering methods according to their performance for binary data type. We explore the accuracy of ten hierarchical clustering methods by experimenting with ten different distance measures. The three types of well, poorly and very poorly separated clusters of binary data sets are generated by selecting the appropriate parameters for binomial distribution and Monte Carlo method. In order to evaluate the precision of clustering methods the binary data sets are transformed to distance matrices. The error level each method is explored in relationship to distance measures, cluster types and data distributions. The Complete linkage, Flexible-beta and Ward´s methods have best clustering performance for the case of twowell separated clusters of binary data.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

<a href="/cs/project/LA09016" target="_blank" >LA09016: Účast ČR v European Research Consortium for Informatics and Mathematics (ERCIM)</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2012

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of 12th International Conference on Hybrid Intelligent Systems (HIS)

ISBN

9781467351140

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

421-426

Název nakladatele

IEEE

Místo vydání

Pune, India

Místo konání akce

Pune, India

Datum konání akce

4. 12. 2012

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—