Resumen

Los grupos de técnicas de datos de alta dimensionalidad están surgiendo, de acuerdo con los desafíos de datos ruidosos y de baja calidad. Este documento ha sido desarrollado para agrupar datos utilizando el PCM (SPCM) basado en similitud de alta dimensionalidad, con inteligencia de optimización de colonia de hormigas que es efectiva en la agrupación de datos no espaciales sin necesidad de conocer el número de grupos por parte del usuario. El PCM se vuelve basado en similitud al utilizar el método de montaña con él. Aunque este es un agrupamiento eficiente, se verifica la optimización utilizando el algoritmo de colonia de hormigas con inteligencia de enjambre. Así se obtiene una técnica de agrupamiento escalable y los resultados de la evaluación se verifican con conjuntos de datos sintéticos.

• Materias:Internet de las cosas Inteligencia artificial Contaminantes atmosféricos Sistema biométrico Aplicaciones
• Subjects:Internet of things Artificial intelligence Air pollutants Biometric system Applications
• Palabras claves:Clústeres; Datos de alta dimensionalidad; Técnicas; Ruidosos; Baja calidad; Desafíos
• Keywords:Clusters; High-dimensional data; Techniques; Noisy; Poor quality; Challenges