Inductive Model of Data Clustering Based on the Agglomerative Hierarchical Algorithm

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F44555601%3A13440%2F16%3A43887714" target="_blank" >RIV/44555601:13440/16:43887714 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Inductive Model of Data Clustering Based on the Agglomerative Hierarchical Algorithm

Popis výsledku v původním jazyce

Model of data clustering system based on the complex use of agglomerative hierarchical algorithm and inductive modeling methods of complex systems is presented in the paper. The quality of clustering is evaluated by two equal power subsets with the use of complex balance criterion, which takes into account both the displacement the mass centers of the appropriate clusters of different subsets and distribution of objects in the appropriate clusters relative to the mass center. Evaluating the effectiveness of the proposed model was performed using data sets containing clusters of different shapes. Charts of the external and internal complex criterion values against clustering level were created, which allows to determine the optimal clustering of a data set.

Název v anglickém jazyce

Inductive Model of Data Clustering Based on the Agglomerative Hierarchical Algorithm

Popis výsledku anglicky

Model of data clustering system based on the complex use of agglomerative hierarchical algorithm and inductive modeling methods of complex systems is presented in the paper. The quality of clustering is evaluated by two equal power subsets with the use of complex balance criterion, which takes into account both the displacement the mass centers of the appropriate clusters of different subsets and distribution of objects in the appropriate clusters relative to the mass center. Evaluating the effectiveness of the proposed model was performed using data sets containing clusters of different shapes. Charts of the external and internal complex criterion values against clustering level were created, which allows to determine the optimal clustering of a data set.

Druh

D - Stať ve sborníku

CEP obor

IN - Informatika

OECD FORD obor

—

Projekt

—

Návaznosti

N - Vyzkumna aktivita podporovana z neverejnych zdroju

Rok uplatnění

2016

Kód důvěrnosti údajů

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

Název statě ve sborníku

PROCEEDINGS OF THE 2016 IEEE FIRST INTERNATIONAL CONFERENCE ON DATA STREAM MINING &amp; PROCESSING (DSMP)

ISBN

978-1-5090-3736-0

ISSN

—

e-ISSN

—

Počet stran výsledku

4

Strana od-do

19-22

Název nakladatele

IEEE, 345 E 47TH ST, NEW YORK, NY 10017 USA

Místo vydání

Lviv

Místo konání akce

Lviv, Ukraine

Datum konání akce

23. 8. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000390239100002