Kernmengen und Datenstromalgorithmen für das k-means Problem und verwandte Zielfunktionen im Clustering

dc.contributor.author	Schmidt, Melanie
dc.contributor.editor	Hölldobler, Steffen
dc.date.accessioned	2020-08-21T08:50:47Z
dc.date.available	2020-08-21T08:50:47Z
dc.date.issued	2015
dc.description.abstract	Das k-means Problem besteht aus der Berechnung von k Zentren, die die Summe der quadrierten Distanzen aller Punkte in einer Menge P zu ihrem nächsten Zentrum minimieren. Eine Kernmenge für P ist eine kleine gewichtete Punktmenge, die für alle möglichen Auswahlen von Zentren ähnliche Kosten hat. Eine Dimensionsreduktion verringert die Dimension der Eingabepunkte und erhält dabei die Kostenfunktion ebenfalls approximativ für alle möglichen Zentrenmengen. Die vorliegende Zusammenfassung beschreibt Ergebnisse aus [Sc14] zur Berechnung von Kernmengen und Dimensionsreduktionen für das k-means Problem und für verwandte Probleme.	de
dc.identifier.isbn	978-3-88579-419-6
dc.identifier.pissn	1617-5468
dc.identifier.uri	https://dl.gi.de/handle/20.500.12116/33845
dc.language.iso	de
dc.publisher	Gesellschaft für Informatik
dc.relation.ispartof	Ausgezeichnete Informatikdissertationen 2014
dc.relation.ispartofseries	Lecture Notes in Informatics (LNI) - Dissertations, Volume D-15
dc.title	Kernmengen und Datenstromalgorithmen für das k-means Problem und verwandte Zielfunktionen im Clustering	de
gi.citation.endPage	270
gi.citation.publisherPlace	Bonn
gi.citation.startPage	261

Dateien

1 - 1 von 1