Two step density-based object-inductive clustering algorithm
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F44555601%3A13440%2F19%3A43894894" target="_blank" >RIV/44555601:13440/19:43894894 - isvavai.cz</a>
Výsledek na webu
<a href="http://ceur-ws.org/Vol-2386/paper10.pdf" target="_blank" >http://ceur-ws.org/Vol-2386/paper10.pdf</a>
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Two step density-based object-inductive clustering algorithm
Popis výsledku v původním jazyce
The article includes the results of study into the practical implementation of two-step DBSCAN and OPTICS clustering algorithms in the field of objective clustering of inductive technologies. The architecture of the objective clustering technology was developed founded on the two-step clustering algorithm DBSCAN and OPTICS. The accomplishment of the technology includes the simultaneous data's clustering on two subsets of the same power by the DBSCAN algorithm, which involve the same number of pairwise objects similar to each other with the subsequent correction of the received clusters by the OPTICS algorithm. The finding the algorithm's optimal parameters was carried out based on the clustering quality criterion's maximum value of a complex balance, which is rated as the geometric average of the Harrington desirability indices for clustering quality criteria (internal and external).
Název v anglickém jazyce
Two step density-based object-inductive clustering algorithm
Popis výsledku anglicky
The article includes the results of study into the practical implementation of two-step DBSCAN and OPTICS clustering algorithms in the field of objective clustering of inductive technologies. The architecture of the objective clustering technology was developed founded on the two-step clustering algorithm DBSCAN and OPTICS. The accomplishment of the technology includes the simultaneous data's clustering on two subsets of the same power by the DBSCAN algorithm, which involve the same number of pairwise objects similar to each other with the subsequent correction of the received clusters by the OPTICS algorithm. The finding the algorithm's optimal parameters was carried out based on the clustering quality criterion's maximum value of a complex balance, which is rated as the geometric average of the Harrington desirability indices for clustering quality criteria (internal and external).
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
Návaznosti výsledku
Projekt
—
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2019
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
CEUR Workshop Proceedings
ISBN
—
ISSN
1613-0073
e-ISSN
—
Počet stran výsledku
19
Strana od-do
117-135
Název nakladatele
CEUR-WS
Místo vydání
Paris
Místo konání akce
Shatsk
Datum konání akce
2. 6. 2019
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—