logo móvil
Contáctanos

Enfoque de agrupamiento espectral con vecino más cercano k y distancia de Mahalanobis ponderada para la minería de datos

Autores: Yin, Lifeng; Lv, Lei; Wang, Dingyi; Qu, Yingwei; Chen, Huayue; Deng, Wu

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Enfoque de agrupamiento espectral con vecino más cercano k y distancia de Mahalanobis ponderada para la minería de datos


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Eléctrica y Electrónica

Palabras clave

Propone
Método de agrupamiento espectral
K-means
Distancia Mahalanobis ponderada
Eigenvectores de matriz de Laplaciano
Coeficiente de correlación

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 43

Citaciones: Sin citaciones


Descripción
Este documento propone un método de agrupamiento espectral utilizando k-medias y distancia de Mahalanobis ponderada (denominado MDLSC) para mejorar el grado de correlación entre los puntos de datos y mejorar la precisión del agrupamiento de los eigenvectores de la matriz de Laplaciano.

Otros recursos que podrían interesarte

Temas Virtualpro