Керування точністю та складністю алгоритму кластеризації даних великої розмірності допуском на функцію подібності та декомпозицією

2009;
: pp. 248 - 254
Authors: 

Р. Мельник, Р. Тушницький

Національний університет «Львівська політехніка», кафедра програмного забезпечення

Розглянуто агломеративний ієрархічний алгоритм кластеризації даних. Запро- поновано коефіцієнт швидкості для зменшення алгоритмічної складності без втрат точності алгоритму. Приведено результати із якісними характеристиками кластеризації тестових даних.

The clustering agglomerative hierarchical algorithm for data grouping is considered. To reduce algorithmic complexity without accuracy losses an approach with the speed and accuracy coefficient is proposed. Some results with quality characteristics of clustered test data are presented.

  1. Andy M Yip, Chris Ding, Tony F.Chan. Dynamic Cluster Formation Using Level Set Methods. — IEEE Trans. on Pattern Analysis and Machine Intelligence, vol.28, n. 6, pp.877-889, June, 2006.
  2. Leo Grady, Eric L.Schwartz. Isoperimetric Graph partitioning for Image segmentation. — IEEE Trans. on Pattern Analysis and Machine Intelligence, vol.28, n. 3, pp.469-475, March, 2006.
  3. M. Pavan, M. Pelillo. Dominant sets and Pairwise Clustering. — IEEE Trans. on Pattern Analysis and Machine Intelligence, vol.29, n. 1, pp.167-172, January, 2007.
  4. C. Ding, X. He. Cluster Aggregate Inequality and Multilevel Hierarchical Clustering, Proc. 9th European Conf. Principles of Data Mining and Knowledge Discovery (2005). p. 71−83.
  5. Мельник Р.А., Алексєєв О. А. Кластеризація ключів образів на основі декомпозиції їх множини // Відбір і обробка інформації. — 2006. — Вип. 24(100). — С. 110–114.
  6. Р. Мельник, Р. Тушницький. Каскадна декомпозиція множин великої розмірності при кластеризації ключів образів // «Комп’ютерні науки та інформаційні технології». — 2008. — № 604. — С. 249–254.