Un modelo de clustering temporal

Clustering consiste en particionar el conjunto de datos en colecciones de objetos de manera que dentro de cada partición los objetos sean “similares” entre sí, y a su vez se “diferencien” de los objetos contenidos en otras particiones. En la literatura han sido propuestos muchos algoritmos para real...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Ale, Juan María, Navas, María Daniela
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2004
Materias:
Ciencias Informáticas
clustering temporal
k-d-Median
base de datos
SOFTWARE ENGINEERING
Data mining
Clustering
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/22324
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-22324
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
clustering temporal
k-d-Median
base de datos
SOFTWARE ENGINEERING
Data mining
Clustering
spellingShingle Ciencias Informáticas
clustering temporal
k-d-Median
base de datos
SOFTWARE ENGINEERING
Data mining
Clustering
Ale, Juan María
Navas, María Daniela
Un modelo de clustering temporal
topic_facet Ciencias Informáticas
clustering temporal
k-d-Median
base de datos
SOFTWARE ENGINEERING
Data mining
Clustering
description Clustering consiste en particionar el conjunto de datos en colecciones de objetos de manera que dentro de cada partición los objetos sean “similares” entre sí, y a su vez se “diferencien” de los objetos contenidos en otras particiones. En la literatura han sido propuestos muchos algoritmos para realizar el proceso de clustering, pero la mayoría de ellos tiene un enfoque estático, por lo tanto, estas soluciones no pueden ser aplicadas correctamente para datos más complejos, como colecciones de objetos espacio-temporales. En muchos casos, la información guardada en las bases de datos tiene una naturaleza espacial dinámica: además de tener datos espaciales, a menudo se asocian los mismos con información temporal, como marcas de tiempo (time-stamp) ,manejo de versiones, fechas o rango de fechas. En el presente trabajo se propone un método de Clustering Temporal que realiza el proceso de clustering sólo teniendo en cuenta los atributos espaciales, pero para distintos momentos de tiempo (dato aportado por los atributos temporales). Esto nos permite ver cómo varían los clusters durante el transcurso del tiempo, observar la trayectoria de los objetos, y obtener distintas estadísticas sobre el movimiento de clusters y objetos, que no se podrían obtener aplicando un algoritmo de clustering estándar.
format Objeto de conferencia
Objeto de conferencia
author Ale, Juan María
Navas, María Daniela
author_facet Ale, Juan María
Navas, María Daniela
author_sort Ale, Juan María
title Un modelo de clustering temporal
title_short Un modelo de clustering temporal
title_full Un modelo de clustering temporal
title_fullStr Un modelo de clustering temporal
title_full_unstemmed Un modelo de clustering temporal
title_sort un modelo de clustering temporal
publishDate 2004
url http://sedici.unlp.edu.ar/handle/10915/22324
work_keys_str_mv AT alejuanmaria unmodelodeclusteringtemporal
AT navasmariadaniela unmodelodeclusteringtemporal
bdutipo_str Repositorios
_version_ 1764820465587585026

Ejemplares similares