Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Comparison Analysis of Clustering Quality Criteria Using Inductive Methods of Objective Clustering

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F44555601%3A13440%2F20%3A43895694" target="_blank" >RIV/44555601:13440/20:43895694 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://link.springer.com/book/10.1007/978-3-030-61656-4" target="_blank" >https://link.springer.com/book/10.1007/978-3-030-61656-4</a>

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Comparison Analysis of Clustering Quality Criteria Using Inductive Methods of Objective Clustering

  • Popis výsledku v původním jazyce

    In this paper, we present the results of the research concerning comparison analysis of both the internal and external clustering quality criteria for clustering various types of datasets using density-based DBSCAN clustering algorithm implemented based on Inductive Methods of Objective Clustering (IMOC). Implementation of the IMOC technique assumes division of the initial dataset into two similar subsets contained the same number of pairwise similar objects at the first step of this procedure implementation. Then, we have executed the data clustering on the obtained subsets concurrently within the range of the appropriate algorithm parameters variation with estimation of various types of clustering quality criteria (internal (IQC) and external (EQC)) at each step of this procedure implementation. The final solution concerning algorithm optimal parameters determination was made based on the maximum values of the complex balance criterion (CBC) which contains both the ICQ and ECQ as the components. The analysis of the simulation results has allowed us to evaluate the effectiveness of both the internal and external clustering quality criteria to determine the optimal parameters of clustering algorithm using various type of data. To our mind, the obtained results can allow us to increase the clustering procedure exactness and to decrease the reproducibility error.

  • Název v anglickém jazyce

    Comparison Analysis of Clustering Quality Criteria Using Inductive Methods of Objective Clustering

  • Popis výsledku anglicky

    In this paper, we present the results of the research concerning comparison analysis of both the internal and external clustering quality criteria for clustering various types of datasets using density-based DBSCAN clustering algorithm implemented based on Inductive Methods of Objective Clustering (IMOC). Implementation of the IMOC technique assumes division of the initial dataset into two similar subsets contained the same number of pairwise similar objects at the first step of this procedure implementation. Then, we have executed the data clustering on the obtained subsets concurrently within the range of the appropriate algorithm parameters variation with estimation of various types of clustering quality criteria (internal (IQC) and external (EQC)) at each step of this procedure implementation. The final solution concerning algorithm optimal parameters determination was made based on the maximum values of the complex balance criterion (CBC) which contains both the ICQ and ECQ as the components. The analysis of the simulation results has allowed us to evaluate the effectiveness of both the internal and external clustering quality criteria to determine the optimal parameters of clustering algorithm using various type of data. To our mind, the obtained results can allow us to increase the clustering procedure exactness and to decrease the reproducibility error.

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

    2020

  • 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

    Communications in Computer and Information Science

  • ISBN

    978-3-030-61655-7

  • ISSN

    1865-0929

  • e-ISSN

    1865-0937

  • Počet stran výsledku

    17

  • Strana od-do

    150-166

  • Název nakladatele

    Springer Nature Switzerland AG

  • Místo vydání

    Switzerland

  • Místo konání akce

    Lviv, Ukraine

  • Datum konání akce

    21. 8. 2020

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku