Resumen

Los métodos competentes de minería de datos son vitales para descubrir conocimiento de bases de datos que se construyen como resultado del enorme crecimiento de datos. Se aplican varias técnicas de minería de datos para obtener conocimiento de estas bases de datos. El clustering de datos es una técnica de minería de datos descriptiva que guía en la partición de objetos de datos en segmentos disjuntos. El algoritmo -means es un algoritmo versátil entre los diversos enfoques utilizados en el clustering de datos. El algoritmo y sus diversos métodos de adaptación sufren ciertos problemas en su rendimiento. Para superar estos problemas, se ha propuesto en este artículo un algoritmo superlativo para realizar el clustering de datos. La característica específica del algoritmo propuesto es la discretización del conjunto de datos, mejorando así la precisión del clustering, y también adoptando el método de inicialización de búsqueda binaria para generar centroides de clúster. Los centroides generados se utilizan como entrada para el enfoque -means que segmenta iterativamente los objetos de datos en clústeres respectivos. Los resultados

• 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:Minería de datos; Bases de datos; Agrupamiento; Algoritmo -means; Precisión; Validez
• Keywords:Data mining; Databases; Clustering; -means algorithm; Accuracy; Validity