Дослідження параметрів простору даних при двокаскадній кластеризації

Abstract

Для зменшення часових затрат при кластеризації даних великих розмірів запропоновано декомпозиційний підхід, що ґрунтується на розбитті простору за координатними осями гіперкубів. Відповідне керування алгоритмом дає змогу об’єднувати кластери – результати з підмножин – у кінцеві за незначними втратами точності. Як приклади практичних даних використані зображення із значними кількостями пікcелів. An approach to reduce algorithmic complexity for clustering of large-scale dataset is considered. The main idea is decomposition of item dataset and space by hypercube coordinates. To join clusters from subsets into the result clusters and to minimize the accuracy losses are the main tasks of the algorithm. Some visual patterns with large pixels numbers as test examples were investigated.