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”

High-dimensional data clustering algorithm based on stacked-random projection

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F20%3A10246918" target="_blank" >RIV/61989100:27240/20:10246918 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://link.springer.com/chapter/10.1007%2F978-3-030-57796-4_38" target="_blank" >https://link.springer.com/chapter/10.1007%2F978-3-030-57796-4_38</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-030-57796-4_38" target="_blank" >10.1007/978-3-030-57796-4_38</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    High-dimensional data clustering algorithm based on stacked-random projection

  • Popis výsledku v původním jazyce

    This study focuses on high dimensional data, which are characterized by sparsity, redundancy, and high computational complexity. It is impossible to obtain expected results via clustering with traditional algorithms due to the &quot;Curse of Dimensionality&quot;. In this study, we propose a Stacked-Random Projection dimensionality reduction framework and a dimensionality reduction evaluation index based on distance preservation. The algorithm uses Stacked-Random Projection to reduce the dimensionality of the high-dimensional data, and then spectral clustering and fast search and find density peak clustering are used to cluster the processed data. The algorithm is validated using two high-dimensional data sets. Experimental results show that this algorithm can improve the performance of clustering algorithm significantly. (C) Springer Nature Switzerland AG 2021.

  • Název v anglickém jazyce

    High-dimensional data clustering algorithm based on stacked-random projection

  • Popis výsledku anglicky

    This study focuses on high dimensional data, which are characterized by sparsity, redundancy, and high computational complexity. It is impossible to obtain expected results via clustering with traditional algorithms due to the &quot;Curse of Dimensionality&quot;. In this study, we propose a Stacked-Random Projection dimensionality reduction framework and a dimensionality reduction evaluation index based on distance preservation. The algorithm uses Stacked-Random Projection to reduce the dimensionality of the high-dimensional data, and then spectral clustering and fast search and find density peak clustering are used to cluster the processed data. The algorithm is validated using two high-dimensional data sets. Experimental results show that this algorithm can improve the performance of clustering algorithm significantly. (C) Springer Nature Switzerland AG 2021.

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

    S - Specificky vyzkum na vysokych skolach

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

    Advances in Intelligent Systems and Computing. Volume 1263

  • ISBN

    978-3-030-57795-7

  • ISSN

    2194-5357

  • e-ISSN

    2194-5365

  • Počet stran výsledku

    11

  • Strana od-do

    391-401

  • Název nakladatele

    Springer

  • Místo vydání

    Cham

  • Místo konání akce

    Victoria

  • Datum konání akce

    31. 8. 2020

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku