Chilamakur, Raghavendra, Kypa, Rajendra Prasad, Francis, Reuben Bernard
L'analyse de clustering est l'un des algorithmes de traitement des données les plus utilisés. Depuis plus d'un demi-siècle, K-means reste l'algorithme de clustering le plus populaire en raison de sa simplicité. Le clustering traditionnel K-means tente d'assigner n objets de données à k clusters en partant de centres initiaux aléatoires. Cependant, la plupart des variantes de K-means ont tendance à calculer la distance de chaque point de données à chaque centroïde de cluster pour chaque itération. Nous proposons une heuristique rapide pour surmonter ce goulot d'étranglement avec...
L'analyse de clustering est l'un des algorithmes de traitement des données les plus utilisés. Depuis plus d'un demi-siècle, K-means reste l'algorit...
Chilamakur, Raghavendra, Kypa, Rajendra Prasad, Francis, Reuben Bernard
Die Clustering-Analyse ist einer der am häufigsten verwendeten Datenverarbeitungsalgorithmen. Seit über einem halben Jahrhundert ist K-means aufgrund seiner Einfachheit nach wie vor der beliebteste Clustering-Algorithmus. Beim traditionellen K-means-Clustering wird versucht, n Datenobjekte ausgehend von zufälligen Anfangszentren k Clustern zuzuordnen. Die meisten k-means-Varianten neigen jedoch dazu, bei jeder Iteration den Abstand jedes Datenpunkts zu jedem Clusterschwerpunkt zu berechnen. Wir schlagen eine schnelle Heuristik zur Überwindung dieses Engpasses vor, die den mittleren...
Die Clustering-Analyse ist einer der am häufigsten verwendeten Datenverarbeitungsalgorithmen. Seit über einem halben Jahrhundert ist K-means aufgrun...
