|
1. 목적
기존 공간 클러스터링 알고리즘들은 객체들간의 거리를 기반 계산 비용 증대
공간 지역성을 보장하는 대표적인 공간분할 방법인 그리드 셀을 기반 계산 비용 감소
2. 공간 클러스터링 기법
기존 클러스터링의 문제점
그림1
|
|
|
(4) 퍼지 관계
2. 신경회로망
3. 뉴로 퍼지 모델
4. FCM 클러스터링
5. 공분산 행렬과 퍼지 공분산 행렬
6. Gustafson-Kessel 클러스터링 알고리즘
7. 제안된 뉴로-퍼지 시스템
III. 시뮬레이션 및 결과
IV. 결 론
V. 참 고 문 헌
|
|
|
클러스터링 알고리즘
K-means 클러스터링 알고리즘은 군집 영역에 속하는 모든 점으로부터 군집 중심까지의 거리의 제곱의 합으로 정의되는 성능 지표를 최소화하는데 바탕을 둔 방법이다
이 방법은 다음과 같은 단계로 구성 된다.
- 단계 1 :
|
|
|
클러스터링..............................................................................................................................................................9
4) 의사결정나무...................................................................................................................
|
|
|
응용
데이타마이닝의 목표
Prediction(예측)
Identification(확인)
데이타마이닝의 기법들
연관규칙 (Association rules)
분류체계 (Classification hierarchies)
클러스터링 (Clustering)
순차패턴 (Sequential patterns)
시계열 패턴 (Patterns within time series)
|
|
 |
클러스터링”, 리눅스매거진 vol. 9, p146 2000.
[14]MON, Service Monitoring Deamon, http://www.kernel.org/software/mon
[15]Fake, http://www.vergenet.net/linux/fake/
[16]Nocol, http://www.netplex-tech.com/software/nocol/
[17]Alan Robertson, "High Availability Linux Project", http://linux-ha.org
[18]R
|
|
|
클러스터링과 협력의 추진 등이 이루어지고 있다. 이러한 추세에 맞추어 EU도 '지역혁신 및 기술이전전략 및 하부구조(RITTS)' 프로그램과 '지역혁신전략(RIS ; Regioal Innovation Strategies)'이라는 지역혁신정책을 추진중에 있다. 해외 주요도시의 지
|
|
메뉴펼치기
