Read more
El clustering es una de las técnicas más importantes de la minería de datos. Su objetivo es dividir los datos en grupos de objetos similares. Es lo que se conoce como clusters. Esta investigación compara el algoritmo StreamKM++ con los trabajos existentes, como AP, IAPKM e IAPNA. El algoritmo StreamKM++ es un nuevo algoritmo de clustering a partir del flujo de datos y construye un buen clustering del flujo, utilizando una pequeña cantidad de memoria y tiempo.Muchos investigadores han realizado sus trabajos con algoritmos de clustering estáticos, pero en tiempo real los datos son dinámicos por naturaleza. Por lo tanto, la técnica estática convencional no es compatible en tiempo real. En este trabajo, se utiliza el algoritmo StreamKM++ que consigue un alto rendimiento de clustering frente a los tradicionales AP, IAPKM e IAPNA. Los resultados experimentales muestran que el algoritmo StreamKM++ consigue los mejores resultados en comparación con los trabajos existentes. Ha aumentado la tasa de precisión media y ha reducido el tiempo de cálculo, la memoria y el número de iteraciones.
About the author
El autor Dr. S. Shylaja recibió el título de Doctor en Ciencias de la Computación de la Universidad de Bharathiar, Coimbatore en marzo de 2022. Actualmente trabaja como Profesora Asistente en el Departamento de Aplicaciones Informáticas, Sri Ramakrishna College of Arts & Science, Coimbatore.
