Гибридный алгоритм кластеризации Fast DBSCAN
Автор: Ву Вьет Тханг, Пантюхин Д.В., Галушкин А.И.
Журнал: Труды Московского физико-технического института @trudy-mipt
Рубрика: Публикации международной конференции
Статья в выпуске: 3 (27) т.7, 2015 года.
Бесплатный доступ
Кластеризация - это одна из самых важных задач интеллектуального анализа данных (DataMining). Хотя существует много исследованных способов кластеризации, таких как K-Means, Fuzzy C-Means и др., но существует проблема повышения точности и ускорения алгоритмов кластеризации, из-за того, что в течение 10 последних лет количество обрабатываемых данных существенно выросло. В данной работе представлен новый подход для ускорения алгоритма кластеризации на основе плотности DBSCAN (Density Based Spatial Clustering of Applications with Noise) [1]. Практические исследования показывают, что скорость кластеризации предложенного алгоритма выше при сохранении точности.
Кластеризация
Короткий адрес: https://sciup.org/142186086
IDR: 142186086
Список литературы Гибридный алгоритм кластеризации Fast DBSCAN
- Ester M., Kriegel H.P., Sander J., XiaoweiXu A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise//Published in Proceedings of 2nd International Conference on Knowledge Discovery and Data Mining (KDD-96)
- Karypis G. Chameleon data set available from http://glaros.dtc.umn.edu/gkhome/cluto/cluto/download,2008
- Rand W.M. Objective Criteria for the Evaluation of Clustering Methods//Journal of the American Statistical Association Volume 66, Issue 336, 1971
- Пантюхин Д.В., Нгуен Данг Тао, Ву Вьет Тханг Применение нейронной сети типа многослойный персептрон для распознавания типа атаки на информационную систему на примере базы KDD’99//XI Всероссийская научная конференция «Нейрокомпьютеры и их применение», 17 Марта 2015, МГППУ
- Creech G. Developing a high-accuracy cross platform Host-Based Intrusion Detection System capable of reliably detecting zero-day attacks, 2014
