Cluster analysis of data with reduced dimensionality: An empirical study
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F16%3A86099071" target="_blank" >RIV/61989100:27240/16:86099071 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/61989100:27740/16:86099071
Výsledek na webu
<a href="http://dx.doi.org/10.1007/978-3-319-27644-1_12" target="_blank" >http://dx.doi.org/10.1007/978-3-319-27644-1_12</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1007/978-3-319-27644-1_12" target="_blank" >10.1007/978-3-319-27644-1_12</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Cluster analysis of data with reduced dimensionality: An empirical study
Popis výsledku v původním jazyce
Cluster analysis is an important high-level data mining procedure that can be used to identify meaningful groups of objects within large data sets. Various dimension reduction methods are used to reduce the complexity of data before further processing. The lower-dimensional projections of original data sets can be seen as simplified models of the original data. In this paper, several clustering algorithms are used to process low-dimensional projections of complex data sets and compared with each other. The properties and quality of clustering obtained by each method is evaluated and their suitability to process reduced data sets is assessed. (C) Springer International Publishing Switzerland 2016.
Název v anglickém jazyce
Cluster analysis of data with reduced dimensionality: An empirical study
Popis výsledku anglicky
Cluster analysis is an important high-level data mining procedure that can be used to identify meaningful groups of objects within large data sets. Various dimension reduction methods are used to reduce the complexity of data before further processing. The lower-dimensional projections of original data sets can be seen as simplified models of the original data. In this paper, several clustering algorithms are used to process low-dimensional projections of complex data sets and compared with each other. The properties and quality of clustering obtained by each method is evaluated and their suitability to process reduced data sets is assessed. (C) Springer International Publishing Switzerland 2016.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/ED1.1.00%2F02.0070" target="_blank" >ED1.1.00/02.0070: Centrum excelence IT4Innovations</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2016
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
Advances in Intelligent Systems and Computing. Volume 423
ISBN
978-3-319-27642-7
ISSN
2194-5357
e-ISSN
—
Počet stran výsledku
12
Strana od-do
121-132
Název nakladatele
Springer
Místo vydání
Heidelberg
Místo konání akce
Issyk Kul
Datum konání akce
25. 8. 2015
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—