Una Técnica de Clustering Jerárquico Eficiente para el Diagnóstico Médico
Versandkostenfrei!
Versandfertig in 1-2 Wochen
24,99 €
inkl. MwSt.
PAYBACK Punkte
12 °P sammeln!
El análisis de conglomerados es la agrupación de una disposición de objetos de tal manera que los objetos de un grupo relacionado (conocido como conglomerado) están más relacionados con cada uno de los otros grupos en comparación con los de grupos diferentes. Se trata de una tarea fundamental de la recuperación de información de examen, y un procedimiento característico para el análisis del conocimiento medible, utilizado en la mayoría de los campos, con el conocimiento del dispositivo, el análisis de imágenes, la mejora de los hechos, la bioinformática, las demandas de conocimie...
El análisis de conglomerados es la agrupación de una disposición de objetos de tal manera que los objetos de un grupo relacionado (conocido como conglomerado) están más relacionados con cada uno de los otros grupos en comparación con los de grupos diferentes. Se trata de una tarea fundamental de la recuperación de información de examen, y un procedimiento característico para el análisis del conocimiento medible, utilizado en la mayoría de los campos, con el conocimiento del dispositivo, el análisis de imágenes, la mejora de los hechos, la bioinformática, las demandas de conocimiento, y la representación de la computadora. Diversas técnicas de agrupación jerárquica y sus variantes han sido muy exploradas en el campo del aprendizaje automático. Sin embargo, estas técnicas son deterministas, no necesitan un número determinado de clusters y son estables. Sin embargo, no son escalables para conjuntos de datos de alta dimensión debido a sus correlaciones no lineales. En esta investigación, combinamos la agrupación jerárquica aglomerativa con la clasificación KNN, que proporciona una mayor precisión en comparación con la agrupación jerárquica. KNN es la técnica de clasificación y es el único método para encontrar los medoides de los clusters formados.
Andere Kunden interessierten sich für
