EFM-DBSCAN: Ein baumbasierter Clusteringalgorithmus unter Ausnutzung erweiterter Leader-Umgebungen
dc.contributor.author | Egert, Philipp | |
dc.contributor.editor | Mitschang, Bernhard | |
dc.contributor.editor | Nicklas, Daniela | |
dc.contributor.editor | Leymann, Frank | |
dc.contributor.editor | Schöning, Harald | |
dc.contributor.editor | Herschel, Melanie | |
dc.contributor.editor | Teubner, Jens | |
dc.contributor.editor | Härder, Theo | |
dc.contributor.editor | Kopp, Oliver | |
dc.contributor.editor | Wieland, Matthias | |
dc.date.accessioned | 2017-06-20T20:24:28Z | |
dc.date.available | 2017-06-20T20:24:28Z | |
dc.date.issued | 2017 | |
dc.description.abstract | DBSCAN ist ein dichte-basierter Clusteringalgorithmus, der beliebig geformte Cluster erkennt und sie von Rauschen trennt. Aufgrund der Laufzeit von O(n^2) ist seine Anwendung jedoch auf kleine Datenkollektionen beschränkt. Um diesen Aufwand zu reduzieren, wurde der auf dem Konzept der Leader-Umgebung basierende Algorithmus FM-DBSCAN vorgestellt, der für beliebige Metriken dasselbe Clustering wie DBSCAN liefert. In dieser Arbeit wird nun basierend auf FM-DBSCAN das Verfahren EFM-DBSCAN entwickelt. EFM-DBSCAN nutzt die folgenden zwei Konzepte zur E zienzsteigerung: (a) eine baumbasierte Partitionierung und (b) die Erweiterung der Objekte einer Leader-Umgebung um die Distanzen zu ihrem Leader. Erste Experimente zeigen, dass EFM-DBSCAN bis zu einem Faktor 17 weniger Distanzberechnungen und bis zu einem Faktor 13 weniger Rechenzeit als FM-DBSCAN benötigt. Gegenüber DBSCAN wurde ein Faktor von bis zu 10^4 eingespart. | de |
dc.identifier.isbn | 978-3-88579-659-6 | |
dc.identifier.pissn | 1617-5468 | |
dc.language.iso | de | |
dc.publisher | Gesellschaft für Informatik, Bonn | |
dc.relation.ispartof | Datenbanksysteme für Business, Technologie und Web (BTW 2017) | |
dc.relation.ispartofseries | Lecture Notes in Informatics (LNI) - Proceedings, Volume P-265 | |
dc.subject | Density-based Clustering | |
dc.subject | DBSCAN | |
dc.subject | Leaders | |
dc.subject | Leader Neighbourhood | |
dc.title | EFM-DBSCAN: Ein baumbasierter Clusteringalgorithmus unter Ausnutzung erweiterter Leader-Umgebungen | de |
dc.type | Text/Conference Paper | |
gi.citation.endPage | 236 | |
gi.citation.startPage | 227 | |
gi.conference.date | 6.-10. März 2017 | |
gi.conference.location | Stuttgart | |
gi.conference.sessiontitle | Data Analytics |
Dateien
Originalbündel
1 - 1 von 1