Optimisation du regroupement K-Means pour les données météorologiques
Versandkostenfrei!
Versandfertig in 6-10 Tagen
23,99 €
inkl. MwSt.
PAYBACK Punkte
12 °P sammeln!
Le clustering est l'une des principales techniques d'exploration de données utilisées pour classer ou partitionner les données en différents clusters sur la base de l'analyse de la distance. Il existe un certain nombre d'algorithmes de regroupement pour effectuer le processus de regroupement. Mais ces algorithmes de regroupement ne sont pas supervisés, de sorte que des impuretés peuvent parfois survenir en raison de partitions inégales. Ces impuretés peuvent concerner la taille des grappes, l'étendue des valeurs de données, l'écart type des valeurs regroupées, etc. C'est pourquoi u...
Le clustering est l'une des principales techniques d'exploration de données utilisées pour classer ou partitionner les données en différents clusters sur la base de l'analyse de la distance. Il existe un certain nombre d'algorithmes de regroupement pour effectuer le processus de regroupement. Mais ces algorithmes de regroupement ne sont pas supervisés, de sorte que des impuretés peuvent parfois survenir en raison de partitions inégales. Ces impuretés peuvent concerner la taille des grappes, l'étendue des valeurs de données, l'écart type des valeurs regroupées, etc. C'est pourquoi un mécanisme de contrôle supervisé est nécessaire pour obtenir des résultats efficaces et précis. C'est pourquoi un mécanisme de contrôle supervisé est nécessaire pour obtenir des résultats efficaces et précis. Le travail présenté va dans le même sens pour atteindre l'efficacité en mettant en oeuvre la supervision dynamique. Dans ce travail, nous avons mis en oeuvre un mécanisme de contrôle avant et après le processus de regroupement.
Andere Kunden interessierten sich für
