Mejorando el valor de beneficio y estabilidad de clope con un enfoque aglomerativo optimizado
Autores: Li, Yefeng; Le, Jiajin; Wang, Mei
Idioma: Inglés
Editor: MDPI
Año: 2015
Acceso abierto
Artículo científico
2015
Mejorando el valor de beneficio y estabilidad de clope con un enfoque aglomerativo optimizado
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Agrupamiento
Algoritmo
Datos categóricos
Marco jerárquico
Proceso de fusión
Resultados estables
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
CLOPE (Clustering with sLOPE) es un algoritmo de agrupamiento basado en histogramas simple y rápido para datos categóricos. Sin embargo, dados el mismo conjunto de datos y el mismo parámetro de entrada, los resultados de agrupamiento de este algoritmo podrían ser diferentes si las transacciones se ingresan en una secuencia diferente. En este documento, se propone un marco de agrupamiento jerárquico como una extensión de CLOPE para generar resultados de agrupamiento estables y satisfactorios basados en un proceso de fusión aglomerativa optimizado. El nuevo beneficio de agrupamiento se define como el criterio de fusión y se propone una estructura de gráfico de clústeres para optimizar el proceso de iteración de fusión. Los experimentos realizados en dos conjuntos de datos demuestran que el enfoque aglomerativo logra resultados de agrupamiento estables con un mejor valor de beneficio, pero requiere mucho más tiempo debido a la peor complejidad.
Descripción
CLOPE (Clustering with sLOPE) es un algoritmo de agrupamiento basado en histogramas simple y rápido para datos categóricos. Sin embargo, dados el mismo conjunto de datos y el mismo parámetro de entrada, los resultados de agrupamiento de este algoritmo podrían ser diferentes si las transacciones se ingresan en una secuencia diferente. En este documento, se propone un marco de agrupamiento jerárquico como una extensión de CLOPE para generar resultados de agrupamiento estables y satisfactorios basados en un proceso de fusión aglomerativa optimizado. El nuevo beneficio de agrupamiento se define como el criterio de fusión y se propone una estructura de gráfico de clústeres para optimizar el proceso de iteración de fusión. Los experimentos realizados en dos conjuntos de datos demuestran que el enfoque aglomerativo logra resultados de agrupamiento estables con un mejor valor de beneficio, pero requiere mucho más tiempo debido a la peor complejidad.