In this paper, we proposed a hybrid

In this paper, we proposed a hybrid algorithm using topdown
(Bisect K-means) and bottom-up (UPGMA) agglomerative
hierarchical clustering algorithm called hybrid bisect
K-means. We compared the clusters generated by the hybrid
bisect K-means algorithm with the clusters generated by the
bisect K-means algorithm based on the three evaluation metrics:
Entropy, F-Measure, and Purity of the clusters. Based
on the results obtained, we found that the hybrid bisect Kmeans
algorithm outperforms the bisect K-means algorithm
and produces better clusters. We have also shown that our
algorithm produces better clusters with time complexity of
O(N), which is better than the O(N2) time complexity of
UPGMA algorithm.

ผลลัพธ์ (ไทย) 1:

ในกระดาษนี้ เราเสนอขั้นตอนการผสมการใช้ topdown(Bisect ถึง) และล่าง (UPGMA) agglomerativeอัลกอริทึมระบบคลัสเตอร์แบบลำดับชั้นที่เรียกว่าไฮบริ bisectถึง เราเปรียบเทียบกลุ่มที่สร้างขึ้น โดยไฮบริbisect ถึงอัลกอริทึมกับคลัสเตอร์ที่สร้างขึ้นโดยการbisect ถึงอัลกอริทึมการประเมินสาม:Entropy, F-วัด และบริสุทธิ์ของคลัสเตอร์ คะแนนผลได้รับ เราพบว่าไฮบริ bisect Kmeansอัลกอริทึมที่มีประสิทธิภาพสูงกว่าอัลกอริทึม bisect ถึงและผลิตคลัสเตอร์ เราได้แสดงให้เห็นที่ของเราอัลกอริทึมสร้างคลัสเตอร์ที่ดีกว่ากับเวลาความซับซ้อนของO(N) ที่ดีกว่าความซับซ้อนเวลา O(N2) ของขั้นตอนวิธี UPGMA

ผลลัพธ์ (ไทย) 2:

ในบทความนี้เราจะนำเสนอขั้นตอนวิธีการใช้ไฮบริด topdown
(แบ่งครึ่ง K-วิธี) และจากล่างขึ้นบน (UPGMA) agglomerative
ขั้นตอนวิธีการจัดกลุ่มตามลำดับชั้นที่เรียกว่าไฮบริดแบ่งครึ่ง
K-วิธี เราเมื่อเทียบกับกลุ่มที่สร้างขึ้นโดยไฮบริด
แบ่งครึ่ง K หมายถึงขั้นตอนวิธีการที่มีกลุ่มที่สร้างขึ้นโดย
แบ่งครึ่ง K หมายถึงขั้นตอนวิธีการขึ้นอยู่กับสามตัวชี้วัดการประเมินผล:
เอนโทรปี F-วัดและความบริสุทธิ์ของคลัสเตอร์ จาก
ผลที่ได้รับเราพบว่าไฮบริดแบ่งครึ่ง Kmeans
อัลกอริทึมมีประสิทธิภาพดีกว่าแบ่งครึ่ง K-หมายถึงขั้นตอนวิธีการ
และผลิตกลุ่มที่ดีขึ้น เราได้แสดงให้เห็นว่าเรา
ขั้นตอนวิธีการผลิตที่ดีกว่ากลุ่มที่มีความซับซ้อนของเวลา
O (n) ซึ่งดีกว่า O (N2) เวลาซับซ้อนของ
ขั้นตอนวิธี UPGMA

ผลลัพธ์ (ไทย) 3:

ในงานวิจัยนี้ เราได้เสนอขั้นตอนวิธีใช้ topdown ไฮบริด( แบ่งออกเป็นสองส่วน k-means ) และจากล่างขึ้นบน ( UPGMA ) agglomerativeขั้นตอนวิธีการจัดกลุ่มลำดับชั้นแบ่งออกเป็นสองส่วนเรียกว่า ไฮบริดk-means . เราเทียบกลุ่มที่สร้างขึ้นโดยผสมแบ่งออกเป็นสองส่วน k-means อัลกอริทึมกับ กลุ่มที่สร้างขึ้นโดยแบ่งออกเป็นสองส่วน k-means โดยอยู่บนพื้นฐานของการประเมินตัวชี้วัด : สามเอนโทรปี ค่า F และความบริสุทธิ์ของคลัสเตอร์ ตามในผลลัพธ์ที่ได้ เราจะพบว่า ลูกผสมแบ่งออกเป็นสองส่วน kmeansขั้นตอนวิธีมีประสิทธิภาพดีกว่าแบ่งออกเป็นสองส่วน k-means ขั้นตอนวิธีและสร้างกลุ่มดีกว่า เราพบว่าเราวิธีสร้างกลุ่มดีขึ้นกับเวลาที่ซับซ้อนO ( n ) ซึ่งดีกว่า O ( n2 ) เวลาที่ซับซ้อนวิธี UPGMA .