Andere Kunden interessierten sich auch für
![Comunicação segura de dados para redes de sensores sem fios baseadas em clusters]( "Comunicação segura de dados para redes de sensores sem fios baseadas em clusters")
Comunicação segura de dados para redes de sensores sem fios baseadas em clusters29,99 €![Otimização do agrupamento K-Means para o conjunto de dados meteorológicos]( "Otimização do agrupamento K-Means para o conjunto de dados meteorológicos")
Otimização do agrupamento K-Means para o conjunto de dados meteorológicos23,99 €![Explorando conceitos e métodos fundamentais de mineração de dados]( "Explorando conceitos e métodos fundamentais de mineração de dados")
Explorando conceitos e métodos fundamentais de mineração de dados39,99 €![Uma abordagem melhorada para a detecção de ficheiros PDF maliciosos]( "Uma abordagem melhorada para a detecção de ficheiros PDF maliciosos")
Uma abordagem melhorada para a detecção de ficheiros PDF maliciosos26,99 €![Abordagem baseada no PBNM para monitorizar as redes em malha WIFI]( "Abordagem baseada no PBNM para monitorizar as redes em malha WIFI")
Abordagem baseada no PBNM para monitorizar as redes em malha WIFI26,99 €![WSN para uma irrigação precisa na agricultura - uma abordagem baseada em projetos]( "WSN para uma irrigação precisa na agricultura - uma abordagem baseada em projetos")
WSN para uma irrigação precisa na agricultura - uma abordagem baseada em projetos29,99 €![Uma análise de agrupamento seguro de dados na WSH com a técnica BECAN]( "Uma análise de agrupamento seguro de dados na WSH com a técnica BECAN")
Uma análise de agrupamento seguro de dados na WSH com a técnica BECAN36,99 €
O Clustering é uma das técnicas mais importantes na extração de dados. O seu objetivo é dividir os dados em grupos de objectos semelhantes. São designados por clusters. Esta investigação compara o algoritmo StreamKM++ com os trabalhos existentes, tais como AP, IAPKM e IAPNA. O algoritmo StreamKM++ é um novo algoritmo de clustering a partir do fluxo de dados e constrói um bom clustering do fluxo, utilizando uma pequena quantidade de memória e tempo. Muitos investigadores trabalharam com algoritmos de clustering estáticos, mas em tempo real os dados são dinâmicos por natureza. Por isso, a técnica estática convencional não é compatível com o ambiente de tempo real. Neste trabalho, é utilizado o algoritmo StreamKM++, que atinge um elevado desempenho de agrupamento em relação ao AP tradicional, ao IAPKM e ao IAPNA. Os resultados experimentais mostram que o algoritmo StreamKM++ obtém os melhores resultados em comparação com os trabalhos existentes. Aumentou a taxa de precisão média e reduziu o tempo de computação, a memória e o número de iterações.