Ramy tworzenia klastrów w nienadzorowanych danych

Wykrywanie anomalii jest podstawowym zagadnieniem w eksploracji danych, a w szczególno-ci jest wykorzystywane do wykrywania i usuwania anomalii z danych. Nieprawid-owo-ci powstaj- na skutek usterek mechanicznych, zmian w zachowaniu systemu, oszustw, w-amä do sieci lub b--dów ludzkich. Skuteczne wykrywanie warto-ci odstaj-cych i mo-liwo-ci klastrowania danych w obecno-ci warto-ci odstaj-cych oraz oparte na filtrowaniu danych po procesie klastrowania. Proponowany algorytm wykrywa eksperymenty odstaj-ce w trzech etapach: (i) Wykrywanie niedoborów w obrazach; (ii) Wykrywanie nietypowych zdarze- w strumieniach wideo; oraz (iii) Rzeczywiste zbiory danych benchmarków UCI.G-ównym celem tego badania jest iteracyjne usuwanie obiektów, które znajduj- si- z dala od swoich centroidów klastrowych. G-ównym celem tego badania jest iteracyjne usuwanie obiektów, które znajduj- si- z dala od swoich centroidów klastrowych. Usuwanie odbywa si- zgodnie z wybranym z góry zdefiniowanym progiem.G-ównym celem tego badania jest iteracyjne usuwanie obiektów, które znajduj- si- z dala od swoich centroidów klastra.

La Sra. A. Subhasheni se presenta como profesora adjunta del Departamento de Informática de la Facultad de Artes y Ciencias Sri Ramakrishna, Coimbatore, TamilNadu. Tiene cuatro años de experiencia docente en el nivel de UG.