Nos liseuses Vivlio rencontrent actuellement des problèmes de synchronisation. Nous faisons tout notre possible pour résoudre ce problème le plus rapidement possible. Toutes nos excuses pour la gêne occasionnée !
  •  Retrait gratuit dans votre magasin Club
  •  7.000.000 titres dans notre catalogue
  •  Payer en toute sécurité
  •  Toujours un magasin près de chez vous     
Nos liseuses Vivlio rencontrent actuellement des problèmes de synchronisation. Nous faisons tout notre possible pour résoudre ce problème le plus rapidement possible. Toutes nos excuses pour la gêne occasionnée !
  •  Retrait gratuit dans votre magasin Club
  •  7.000.0000 titres dans notre catalogue
  •  Payer en toute sécurité
  •  Toujours un magasin près de chez vous

Fractal Clustering

Ping Chen, Daniel Barbara
Livre broché | Anglais
58,45 €
+ 116 points
Livraison sous 1 à 4 semaines
Passer une commande en un clic
Payer en toute sécurité
Livraison en Belgique: 3,99 €
Livraison en magasin gratuite

Description

Clustering is a widely used knowledge discovery technique. Large-scale clustering has received a lot of attention recently. However, existing algorithms often do not scale with the size of the data and the number of dimensions, or fail to find arbitrary shapes of clusters or deal effectively with the presence of noise. In this book a new clustering algorithm based on self-similarity properties is discussed. Self-similarity is the property of being invariant with respect to the scale used to look at the data set. While fractals are self-similar at every scale, many data sets only exhibit self-similarity over a range of scales. Self- similarity can be measured using the fractal dimension. Our new clustering algorithm called Fractal Clustering (FC) places points incrementally in the cluster for which the change in the fractal dimension after adding the point is the least, so points in the same cluster have a great degree of self-similarity among them (and much less self- similarity with respect to points in other clusters). Two applications on projected clustering and tracking deviation in evolving data sets are also discussed.

Spécifications

Parties prenantes

Auteur(s) :
Editeur:

Contenu

Nombre de pages :
140
Langue:
Anglais

Caractéristiques

EAN:
9783843362122
Date de parution :
07-10-10
Format:
Livre broché
Format numérique:
Trade paperback (VS)
Dimensions :
152 mm x 229 mm
Poids :
213 g

Les avis