ГлавнаяАрхивБыстрый алгоритм кластерного анализа k-medoids

Быстрый алгоритм кластерного анализа k-medoids | Прикладная дискретная математика. 2018. № 39. DOI: 10.17223/20710410/39/11

Рассмотрена новая реализация FKM известного алгоритма k-medoids, основанная на общеизвестной PAM-реализации и использующая новую эвристику выбора центров кластеров, методику CLARA, а также предварительное прореживание L-SPAR, что позволило перейти от квадратичной вычислительной сложности реализации к линейной и снизить временные затраты на обработку реальных данных в среднем в 16 раз.
  • Title Быстрый алгоритм кластерного анализа k-medoids
  • Headline Быстрый алгоритм кластерного анализа k-medoids
  • Publesher Tomask State UniversityTomsk State University
  • Issue Прикладная дискретная математика 39
  • Date:
  • DOI 10.17223/20710410/39/11
Ключевые слова
быстрый алгоритм кластерного анализа, PAM-реализация k-medoids, методика CLARA, прореживание L-SPAR, fast algorithm of cluster analysis, PAM, CLARA, Local Graph Sparsifi-cation
Авторы
Ссылки
Fortunato S. Community detection in graphs // Physics Reports. 2010. V. 486. Iss.3-5. P. 75-174.
Kaufman L. and Rousseeuw P. J. Finding Groups in Data: An Introduction to Cluster Analysis. New Jersey: Hoboken, 2005.
Newman M. J. Modularity and community structure in networks // Proc. of the National Academy of Sciences of the USA. 2006. V. 103. No.23. P.8577-8582.
Satuluri V. M. Scalable Clustering of Modern Networks. Ohio State University Columbus, OH, USA, 2012.
Ovelgonne M. Scalable Algorithms for Community Detection in Very Large Graphs. Karlsruhe, 2011. 146 p.
http://snap.stanford.edu/data/ - Stanford Large Network Dataset Collection. 2017.
Быстрый алгоритм кластерного анализа k-medoids | Прикладная дискретная математика. 2018. № 39. DOI: 10.17223/20710410/39/11
Быстрый алгоритм кластерного анализа k-medoids | Прикладная дискретная математика. 2018. № 39. DOI: 10.17223/20710410/39/11