Abstrato

AVALIAÇÃO DE DESEMPENHO DE MEDIDAS DE SIMILARIDADE BASEADAS EM MULTIVIEWPOINT PARA CLUSTERING DE DADOS

KAVLPrasanna, Sr.

Deve ser considerada alguma relação de cluster para todos os métodos de cluster rodeados pelos objetos de dados aos quais serão aplicados. Pode existir uma semelhança entre um par de objetos que pode ser definida como uma escolha explícita ou implícita. Neste artigo, apresentamos uma nova medida de similaridade baseada em pontos de vista múltiplos e dois métodos de agrupamento relacionados. A principal distinção do nosso conceito com uma medida de dissimilaridade/semelhança tradicional é que a dissimilaridade/semelhança acima referida exerce apenas um único ponto de vista para o qual é a base e onde, como o referido Clustering com Medida de Similaridade Baseada em Multipontos de Vista, utiliza muitos pontos de vista diferentes que são objetos e são assumidos como não estando no mesmo cluster com dois objetos a serem medidos. Ao utilizar múltiplos pontos de vista, poderiam ser realizadas inúmeras avaliações descritivas. Para auxiliar esta declaração, são realizadas análises teóricas e estudos empíricos. Em função desta nova medida, são propostas duas funções de critério para o agrupamento de documentos. Examinámo-los com certos algoritmos de agrupamento distintos que utilizam outras medidas coincidentes preferidas em diferentes grupos de documentos, a fim de verificar a melhoria do nosso esquema.