Resumen

La multiescala aporta grandes beneficios para que las personas observen objetos o problemas desde diferentes perspectivas. Tiene una importancia práctica para la agrupación de datos multiescala. En la actualidad, existe una falta de investigación sobre la agrupación de datos a gran escala bajo la premisa de que se han obtenido resultados de agrupación de conjuntos de datos a pequeña escala. Si se realiza la agrupación en conjuntos de datos a gran escala utilizando métodos tradicionales, se presentan dos desventajas: (1) No se utilizan los resultados de agrupación de conjuntos de datos a pequeña escala. (2) El método tradicional causará más sobrecarga de ejecución. Con el objetivo de abordar estas deficiencias, este artículo propone un marco de trabajo de agrupación multiescala basado en DBSCAN. Este marco de trabajo utiliza DBSCAN para la agrupación de conjuntos de datos a pequeña escala, luego introduce el algoritmo Scaling-Up Cluster Centers (SUCC) para generar centros de agrupación de conjuntos de datos a gran escala mediante la fusión de

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Multiescala; Agrupamiento; Datos a gran escala; Marco de trabajo; DBSCAN; SUCC
• Keywords:Multiscale; Clustering; Large-scale data; Framework; DBSCAN; SUCC