On matrix modification of clarans clustering method in large video surveillance databases

Abstract

Розглянуто алгоритми кластеризації для дуже великих баз даних (VLDB) при використанні в обробці зображень і відео. Виняткова галузь застосування потребує представлення вихідних даних у вигляді багатовимірних векторів. Саме тому запропоновано матричні модифікації традиційних методів k-медоїдів, розбиття навколо медоїдів (PAM), кластеризації великих додатків (CLARA), а також CLARA на основі довільного пошуку (CLARANS). Проаналізовано переваги та недоліки цих методів. Clustering algorithms for Very Large Data Bases (VLDB) are observed in application with image and video processing. Such a specific case requires initial data presentation as multidimensional vectors. That is why matrix modifications of traditional k-medoids, Partitioning Around Medoids, Clustering LARge Applications and CLARA based on RANdomized Search methods are proposed. Benefits and drawbacks of them all are examined.