Logo des Repositoriums
 

Bisecting K-Prototypes: Effizientes hierarchisches Clustering gemischter Datensets

dc.contributor.authorDröse, Hannes
dc.contributor.editorGesellschaft für Informatik e.V.
dc.date.accessioned2023-02-21T09:39:17Z
dc.date.available2023-02-21T09:39:17Z
dc.date.issued2022
dc.description.abstractDieses Paper stellt ein neuartiges effizientes hierarchisches Top-down-Clustering-Verfahren für gemischte Datensets vor: Bisecting K-Prototypes. Der Algorithmus ist speziell für die Verarbeitung komplexer (numerischer und kategorischer) Datensets mit vielen fehlende Werten geeignet. Dabei ist keine exzessive Vorverarbeitung des Datensets nötig. Zusätzlich werden Erweiterungen des Algorithmus vorgestellt, welche für die Verarbeitung von Multi-Select-und Freitext-Feldern (multi-kategorische und String-Attribute) geeignet sind. Der Algorithmus wurde implementiert und gegen ein entsprechend komplexes Datenset getestet und evaluiert.de
dc.identifier.isbn978-3-88579-752-4
dc.identifier.pissn1614-3213
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/40232
dc.language.isode
dc.publisherGesellschaft für Informatik, Bonn
dc.relation.ispartofSKILL 2022
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Seminars, Volume S-18
dc.subjectClusteranalyse
dc.subjectProduct-Information-Management
dc.subjecthierarchisches Clustering
dc.subjectBisecting K-Means
dc.subjectK-Prototypes
dc.subjectgemischte Datensets
dc.subjectfehlende Werte
dc.titleBisecting K-Prototypes: Effizientes hierarchisches Clustering gemischter Datensetsde
gi.citation.endPage138
gi.citation.startPage127
gi.conference.date29.-30. September 2022
gi.conference.locationHamburg
gi.conference.sessiontitleTheoretische Informatik

Dateien

Originalbündel
1 - 1 von 1
Lade...
Vorschaubild
Name:
A4-3.pdf
Größe:
330.87 KB
Format:
Adobe Portable Document Format