Resumen

El algoritmo -means es sensible a los valores atípicos. En este artículo, proponemos un algoritmo robusto de agrupamiento de dos etapas basado en el mecanismo de puntos de observación, que puede descubrir con precisión los centros de los grupos sin la interferencia de los valores atípicos. En la primera etapa, se selecciona un pequeño subconjunto del conjunto de datos original basado en un conjunto de puntos de observación no degenerados. El subconjunto es una buena representación del conjunto de datos original porque solo contiene aquellos puntos que tienen una densidad más alta en el conjunto de datos original y no incluye los valores atípicos. En la segunda etapa, utilizamos el algoritmo de agrupamiento -means para agrupar el subconjunto seleccionado y encontrar los centros de grupo adecuados como los verdaderos centros de grupo del conjunto de datos original. Con base en estos centros de grupo, los demás puntos de datos del conjunto de datos original se asignan a los grupos cuyos centros están más cerca de los puntos de datos. El análisis teórico y los

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Algoritmo; Valores atípicos; Agrupamiento; Puntos de observación; Centros de grupo; Complejidad computacional
• Keywords:Algorithm; Outliers; Clustering; Observation points; Cluster centers; Computational complexity