Andere Kunden interessierten sich auch für
![Enfoque basado en PBNM para la supervisión de redes WIFI en malla]( "Enfoque basado en PBNM para la supervisión de redes WIFI en malla")
Enfoque basado en PBNM para la supervisión de redes WIFI en malla26,99 €![WSN para el riego preciso en la agricultura: un enfoque basado en proyectos]( "WSN para el riego preciso en la agricultura: un enfoque basado en proyectos")
WSN para el riego preciso en la agricultura: un enfoque basado en proyectos29,99 €![Sistema de detección de anomalías en el tráfico de red mediante minería de datos]( "Sistema de detección de anomalías en el tráfico de red mediante minería de datos")
Sistema de detección de anomalías en el tráfico de red mediante minería de datos41,99 €![Exploración de los conceptos y métodos básicos de la minería de datos]( "Exploración de los conceptos y métodos básicos de la minería de datos")
Exploración de los conceptos y métodos básicos de la minería de datos41,99 €![APLICACIONES DE LA PNL Y LA MINERÍA DE TEXTOS EN R]( "APLICACIONES DE LA PNL Y LA MINERÍA DE TEXTOS EN R")
APLICACIONES DE LA PNL Y LA MINERÍA DE TEXTOS EN R30,99 €![Control de acceso a datos basado en blockchain en redes de datos médicos]( "Control de acceso a datos basado en blockchain en redes de datos médicos")
Control de acceso a datos basado en blockchain en redes de datos médicos34,99 €![Detección de valores atípicos mediante un nuevo enfoque híbrido en un conjunto de datos mixtos]( "Detección de valores atípicos mediante un nuevo enfoque híbrido en un conjunto de datos mixtos")
Detección de valores atípicos mediante un nuevo enfoque híbrido en un conjunto de datos mixtos26,99 €
El clustering es una de las técnicas más importantes de la minería de datos. Su objetivo es dividir los datos en grupos de objetos similares. Es lo que se conoce como clusters. Esta investigación compara el algoritmo StreamKM++ con los trabajos existentes, como AP, IAPKM e IAPNA. El algoritmo StreamKM++ es un nuevo algoritmo de clustering a partir del flujo de datos y construye un buen clustering del flujo, utilizando una pequeña cantidad de memoria y tiempo.Muchos investigadores han realizado sus trabajos con algoritmos de clustering estáticos, pero en tiempo real los datos son dinámicos por naturaleza. Por lo tanto, la técnica estática convencional no es compatible en tiempo real. En este trabajo, se utiliza el algoritmo StreamKM++ que consigue un alto rendimiento de clustering frente a los tradicionales AP, IAPKM e IAPNA. Los resultados experimentales muestran que el algoritmo StreamKM++ consigue los mejores resultados en comparación con los trabajos existentes. Ha aumentado la tasa de precisión media y ha reducido el tiempo de cálculo, la memoria y el número de iteraciones.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.