Andere Kunden interessierten sich auch für
![APPROCCIO DI DATA MINING BASATO SULLO STREAM MINING]( "APPROCCIO DI DATA MINING BASATO SULLO STREAM MINING")
APPROCCIO DI DATA MINING BASATO SULLO STREAM MINING29,99 €![DATA MINING BASED STREAM MINING APPROACH]( "DATA MINING BASED STREAM MINING APPROACH")
DATA MINING BASED STREAM MINING APPROACH29,99 €![PBNM-basierter Ansatz zur Überwachung von WIFI-Mesh-Netzwerken]( "PBNM-basierter Ansatz zur Überwachung von WIFI-Mesh-Netzwerken")
PBNM-basierter Ansatz zur Überwachung von WIFI-Mesh-Netzwerken39,90 €![Zufällige Abtastung und Mlsb-basierter Steganographie-Ansatz für Datensicherheit]( "Zufällige Abtastung und Mlsb-basierter Steganographie-Ansatz für Datensicherheit")
Zufällige Abtastung und Mlsb-basierter Steganographie-Ansatz für Datensicherheit35,90 €![Englisch-Marathi-Übersetzer mit hybridem Ansatz]( "Englisch-Marathi-Übersetzer mit hybridem Ansatz")
Englisch-Marathi-Übersetzer mit hybridem Ansatz43,90 €![Ein hybrider Soft-Computing-Ansatz für das clusterbasierte GSTEB-Protokoll]( "Ein hybrider Soft-Computing-Ansatz für das clusterbasierte GSTEB-Protokoll")
Ein hybrider Soft-Computing-Ansatz für das clusterbasierte GSTEB-Protokoll54,90 €![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 €
Das Clustering ist eine der wichtigsten Techniken im Data Mining. Sie zielt darauf ab, die Daten in Gruppen ähnlicher Objekte aufzuteilen. Dies wird als Cluster bezeichnet. Diese Forschung vergleicht den StreamKM++ Algorithmus mit den bestehenden Arbeiten, wie AP, IAPKM und IAPNA. Der StreamKM++-Algorithmus ist ein neuer Clustering-Algorithmus für Datenströme, der mit geringem Speicher- und Zeitaufwand ein gutes Clustering des Datenstroms erstellt.Viele Forscher haben mit statischen Clustering-Algorithmen gearbeitet, aber in Echtzeit sind die Daten dynamischer Natur. Wie z.B. Blogs, Webseiten, Audio- und Videodaten, usw., daher ist die konventionelle statische Technik in einer Echtzeitumgebung nicht geeignet. In dieser Arbeit wird der StreamKM++-Algorithmus verwendet, der eine hohe Clustering-Leistung im Vergleich zu traditionellen AP, IAPKM und IAPNA erreicht. Das experimentelle Ergebnis zeigt, dass der StreamKM++-Algorithmus im Vergleich zu bestehenden Arbeiten das beste Ergebnis erzielt. Er hat die durchschnittliche Genauigkeitsrate erhöht und die Rechenzeit, den Speicher und die Anzahl der Iterationen reduziert.