Datenclusterung

From ASE Community
Revision as of 22:04, 20 May 2023 by Lynn Humpert (talk | contribs)
(diff) ← Older revision | Latest revision (diff) | Newer revision → (diff)
Jump to navigation Jump to search
Datenclusterung
Relevant für Projekte aus der ASE-Initiative MoSyS
Stadium Up-to-date

ASE-Definition (dt.)

Datenclusterung ist ein Verfahren, bei dem wir Cluster von Entitäten aufgrund ihrer ähnlichen Merkmale bilden. Zur Erstellung von Ähnlichkeitsclustern werden die folgenden Abstandsmaße verwendet: Euklidischer Abstand, Manhattan- oder Taxidistanz, Mahalanobis-Abstand, Innerer Produktraum, Hamming-Abstand, Cosinus-Ähnlichkeitsindex, Minkowski-Abstand.

ASE-Definition (engl.)

Data clustering is a procedure in which we make cluster of entities ton ba sed on their similar features. To creating a similarity clusters distance measured is used, which are as follow: Euclidean distance, Manhattan or taxicab distance, Mahalanobis distance, Inner product space, Hamming distance, Cosine Similarity Index, Minkowski distance.

Literatur

Khan, N., "A Survey of Data Clustering MEthods", International Journal of Advanced Science and Technology, Ausgabe 113, 2018.

Siehe auch