Andere Kunden interessierten sich auch für
![DATA MINING BASED STREAM MINING APPROACH]( "DATA MINING BASED STREAM MINING APPROACH")
DATA MINING BASED STREAM MINING APPROACH29,99 €![Approccio basato su PBNM per il monitoraggio delle reti mesh WIFI]( "Approccio basato su PBNM per il monitoraggio delle reti mesh WIFI")
Approccio basato su PBNM per il monitoraggio delle reti mesh WIFI26,99 €![DATA-MINING-BASIERTER STREAM-MINING-ANSATZ]( "DATA-MINING-BASIERTER STREAM-MINING-ANSATZ")
DATA-MINING-BASIERTER STREAM-MINING-ANSATZ43,90 €![Un approccio di soft computing ibrido al protocollo GSTEB basato sul clustering]( "Un approccio di soft computing ibrido al protocollo GSTEB basato sul clustering")
Un approccio di soft computing ibrido al protocollo GSTEB basato sul clustering36,99 €![Un protocollo di routing basato su albero per reti di sensori multimediali wireless]( "Un protocollo di routing basato su albero per reti di sensori multimediali wireless")
Un protocollo di routing basato su albero per reti di sensori multimediali wireless23,99 €![Controllo dell'accesso ai dati basato su Blockchain nelle reti di dati medici]( "Controllo dell'accesso ai dati basato su Blockchain nelle reti di dati medici")
Controllo dell'accesso ai dati basato su Blockchain nelle reti di dati medici32,99 €![Approche D'exploration De Flux Basée Sur L'exploration De Données]( "Approche D'exploration De Flux Basée Sur L'exploration De Données")
Approche D'exploration De Flux Basée Sur L'exploration De Données29,99 €
Il clustering è una delle tecniche più importanti del data mining. Ha lo scopo di suddividere i dati in gruppi di oggetti simili. Questo viene definito cluster. Questa ricerca confronta l'algoritmo StreamKM++ con i lavori esistenti, come AP, IAPKM e IAPNA. L'algoritmo StreamKM++ è un nuovo algoritmo di clustering del flusso di dati e costruisce un buon clustering del flusso, utilizzando una piccola quantità di memoria e di tempo.Molti ricercatori hanno svolto il loro lavoro con un algoritmo di clustering statico, ma in tempo reale i dati sono di natura dinamica. Come i blog, le pagine web, gli audio e i video, ecc... Per questo motivo, la tecnica statica convenzionale non supporta l'ambiente in tempo reale. In questo lavoro, viene utilizzato l'algoritmo StreamKM++ che raggiunge elevate prestazioni di clustering rispetto ai tradizionali AP, IAPKM e IAPNA. I risultati sperimentali mostrano che l'algoritmo StreamKM++ ottiene il miglior risultato rispetto ai lavori esistenti. Ha aumentato il tasso di accuratezza medio e ha ridotto il tempo di calcolo, la memoria e il numero di iterazioni.