Home
Giới thiệu
Tài khoản
Đăng nhập
Quên mật khẩu
Đổi mật khẩu
Đăng ký tạo tài khoản
Liệt kê
Công trình khoa học
Bài báo trong nước
Bài báo quốc tế
Sách và giáo trình
Thống kê
Công trình khoa học
Bài báo khoa học
Sách và giáo trình
Giáo sư
Phó giáo sư
Tiến sĩ
Thạc sĩ
Lĩnh vực nghiên cứu
Tìm kiếm
Cá nhân
Nội dung
Góp ý
Hiệu chỉnh lý lịch
Nguyễn Thị Bích
Thông tin chung
English
Đề tài NC khoa học
Bài báo, báo cáo khoa học
Hướng dẫn Sau đại học
Sách và giáo trình
Các học phần và môn giảng dạy
Giải thưởng khoa học, Phát minh, sáng chế
Khen thưởng
Thông tin khác
Tài liệu tham khảo
Hiệu chỉnh
Số người truy cập: 108,304,211
Phân cụm và tối ưu hóa truy vấn trong Cơ sở dữ liệu hướng đối tượng mờ
Tác giả hoặc Nhóm tác giả:
Thuan Tan Nguyen, Ban Van Doan, Chau Ngoc Truong, Trinh Thi Thuy Tran
Nơi đăng:
International Journal of Natural Computing Research,(DBLP);
S
ố:
8;
Từ->đến trang
: 1-15;
Năm:
2019
Lĩnh vực:
Khoa học công nghệ;
Loại:
Bài báo khoa học;
Thể loại:
Quốc tế
TÓM TẮT
Mục đích của phương pháp phân cụm là cung cấp một số phân vùng có ý nghĩa của tập dữ liệu. Nói chung, việc tìm kiếm các cụm riêng biệt với các thành viên tương tự là điều cần thiết. Một vấn đề trong phân cụm là làm thế nào để xác định số lượng cụm tối ưu phù hợp nhất với tập dữ liệu. Hầu hết các thuật toán phân cụm tạo ra một phân vùng dựa trên các tham số đầu vào (ví dụ: số cụm, mật độ tối thiểu) dẫn đến việc giới hạn số lượng cụm. Do đó, bài viết đề xuất một thuật toán phân cụm EMC cải tiến linh hoạt hơn trong việc xử lý và thao tác các cụm đó, trong đó các giá trị tham số đầu vào được giả định là các cụm khác nhau cho các phân vùng khác nhau của tập dữ liệu. Ngoài ra, dựa trên kết quả phân vùng trên, bài báo đề xuất một hướng tiếp cận mới để xử lý và tối ưu truy vấn mờ nhằm nâng cao hiệu quả trong thao tác và xử lý dữ liệu cụ thể như (ít tốn thời gian, ít tốn tài nguyên)
ABSTRACT
The purpose of the clustering method is to provide some meaningful partitioning of the data set. In general, finding separate clusters with similar members is essential. A problem in clustering is how to determine the number of optimal clusters that best fits the data set. Most clustering algorithms generate a partition based on input parameters (for example, cluster number, minimum density) which results in limiting the number of clusters. Therefore, the article proposes an improved EMC clustering algorithm that is more flexible in handling and manipulating those clusters, where input parameter values are assumed to be different clusters for different partitions of a data set. In addition, based on the above partitioning results, this article proposes a new approach to processing and optimizing fuzzy queries to improve efficiency in the manipulation and processing of specific data such as (less time consuming, less resource consuming)
© Đại học Đà Nẵng
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn