Robust Categorical Data Clustering Guided by Multi-Granular Competitive Learning

Data set composed of categorical features is very common in big data analysis tasks. Since categorical features are usually with a limited number of qualitative possible values, the nested granular cluster effect is prevalent in the implicit discrete distance space of categorical data. That is, data...

Celý popis

Podrobná bibliografie

Vydáno v:	Proceedings of the International Conference on Distributed Computing Systems s. 288 - 299
Hlavní autoři:	Cai, Shenghong, Zhang, Yiqun, Luo, Xiaopeng, Cheung, Yiu-Ming, Jia, Hong, Liu, Peng
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 23.07.2024
Témata:	Big Data Boosting categorical feature Cluster analysis cluster granularity Clustering algorithms Competitive learning Distributed databases Encoding Euclidean distance number of clusters
ISSN:	2575-8411
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!