Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: OPTICS

Sortuj według:

Ogranicz wyniki do:

Spatial data clustering in independent mobile environment

Gajewski B., Martyn T.

Measurement Automation Monitoring

2016

Vol. 62, No. 5

163--165

Most geolocation applications for mobile devices assume a constant connection with the network and high computational power nodes. However, with ever-developing devices it now becomes possible to establish peer-to-peer networks in case when the network can be unreachable due to special circumstances (like conflicts or natural disasters). In this paper, a method for clustering spatial data in mobile environment is discussed. A simple solution based on OPTICS algorithm with lexical distance is proposed for grouping the observations.

Metody reprezentacji danych złożonych

Nowak-Brzezińska A., Xięski T.

Studia Informatica

2013

Vol. 34, nr 2A

215--226

Artykuł dokonuje przeglądu metod reprezentacji i wizualizacji danych, ze szczególnym uwzględnieniem technik graficznego przedstawienia skupień. Ponadto omawia algorytm wizualizacji struktur hierarchicznych w przestrzeni dwuwymiarowej (Squarified Treemaps) oraz prezentuje koncepcję jego zastosowania do rzeczywistego zbioru skupień danych złożonych, wygenerowanych przez gęstościowy algorytm grupowania OPTICS.

This work reviews data representation and visualization methods, with emphasis on techniques for clusters’ representation. Furthermore it describes an algorithm for hierarchical structures’ visualization in a two-dimensional space (Squarified Treemaps) and presents the concept of its application to a real-world complex dataset composed of clusters generated by the OPTICS algorithm.

Gęstościowa metoda grupowania i wizualizacji danych złożonych

Nowak-Brzezińska A., Xięski T.

Studia Informatica

2012

Vol. 33, nr 2A

453-464

Artykuł dokonuje przeglądu dotychczas stosowanych rozwiązań implementacyjnych w zakresie grupowania dużych wolumenów danych oraz opisuje problematykę doboru parametrów startowych dla algorytmu gęstościowego DBSCAN. Ponadto stanowi on wprowadzenie w tematykę wizualizacji struktury złożonych skupień, wykorzystując w tym celu algorytm oparty na idei gęstości – OPTICS.

This work reviews currently used implementation solutions for clustering large volumes of data, and describes the problem of choosing proper initial values for the density-based DBSCAN algorithm. Furthermore it should be also treated as an introduction to the topic of visualization of complex clusters using another density-based algorithm - OPTICS.