کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6856237 | 1437950 | 2018 | 41 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
FAUM: Fast Autonomous Unsupervised Multidimensional classification
ترجمه فارسی عنوان
فوم: طبقه بندی سریع چندگانه بدون نظارت مستقل
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
اطلاعات بزرگ، خوشه سریع، خوشه بندی مستقل،
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
چکیده انگلیسی
This article presents Faum: Fast Autonomous Unsupervised Multidimensional, an automatic clustering algorithm that can discover natural groupings in unlabeled data. Faum is aimed to optimize the resources provided by a modern computer to process big datasets. The present algorithm can find disjoint spherical symmetrical clusters in a deterministic way and without the indication of the number of clusters to find, iterations or initializations. Faum is remarkably fast compared to K-Means when a big multidimensional set of data is processed. Since Faum has an average O(N) space and time complexity, it can process datasets of several hundred megabytes size in less than a minute on a standard laptop computer. Furthermore, Faum is not sensitive to outliers and may be used by itself or to provide the whole initialization for a deterministic K-Means
processing.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 462, September 2018, Pages 182-203
Journal: Information Sciences - Volume 462, September 2018, Pages 182-203
نویسندگان
Hugo Javier Curti, Rubén Sergio Wainschenker,