Resumen

El agrupamiento tiene como objetivo diferenciar objetos de diferentes grupos (cúmulos) por similitudes o distancias entre pares de objetos. Se han propuesto numerosos algoritmos de agrupamiento para investigar qué factores constituyen un cúmulo y cómo encontrarlos eficientemente. El algoritmo de agrupamiento por búsqueda rápida y hallazgo de picos de densidad se propone para determinar intuitivamente los centros de los cúmulos y asignar puntos a particiones correspondientes para conjuntos de datos complejos. Este método incorpora una estructura simple debido a la lógica no iterativa y a pocos parámetros; sin embargo, las pautas para la selección de parámetros y la determinación de centros no son explícitas. Para abordar estos problemas, proponemos un método de agrupamiento jerárquico mejorado, HCDP, con el objetivo de representar la estructura compleja del conjunto de datos. Se integra una estrategia de -vecinos más cercanos para calcular la densidad local de cada punto, evitando seleccionar el parámetro global no necesario y

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Agrupamiento; Algoritmos; Pico de densidad; Agrupamiento jerárquico; Densidad local; Evaluación de agrupamiento
• Keywords:Clustering; Algorithms; Density peak; Hierarchical clustering; Local density; Clustering evaluation