The main paradigm for clustering ev

The main paradigm for clustering evolving data streams in the last 10 years has been to divide the clustering process into an online phase that computes and stores detailed statistics about the data in micro-clusters and an offline phase that queries micro-cluster statistics and returns desired clustering structures. The argument for two-phase algorithms is that they support evolving data streams and temporal multi-scale analysis, which single pass algorithms do not. In this paper, we describe a single pass fully online trellis-based algorithm, named ClusTrel, designed for centroid-based clustering that supports evolving data streams and generates clustering structures right after a new point is processed. The performance of ClusTrel is assessed and compared to state of the art algorithms for clustering of data streams showing similar performance with smaller memory footprint.

ผลลัพธ์ (ไทย) 1:

กระบวนทัศน์หลักสำหรับคลัสเตอร์ข้อมูลกระแสข้อมูลที่เกิดขึ้นใน 10 ปีได้รับการระบบคลัสเตอร์แบ่งเป็นขั้นตอนออนไลน์ที่คำนวณ และจัดเก็บสถิติรายละเอียดเกี่ยวกับข้อมูลในคลัสเตอร์ไมโครและระยะการแบบออฟไลน์ที่คลัสเตอร์ไมโครสถิติแบบสอบถาม และส่งกลับโครงสร้างระบบคลัสเตอร์ที่ระบุ อาร์กิวเมนต์สำหรับอัลกอริทึม two-phase เป็นว่า พวกเขาสนับสนุนการสตรีมข้อมูลพัฒนาและขมับหลายระดับการวิเคราะห์ ซึ่งอัลกอริทึมเดียวผ่านไม่ ในเอกสารนี้ เราอธิบายคำเดียวผ่านออนไลน์เต็มโครงแขนงตามอัลกอริทึม ชื่อ ClusTrel มาจากเซนทรอยด์คลัสเตอร์ที่รองรับสตรีมข้อมูลพัฒนา และสร้างโครงสร้างระบบคลัสเตอร์ขวาหลังจากประมวลผลจุดใหม่ ประสิทธิภาพของ ClusTrel เป็นประเมิน และเปรียบเทียบกับของอัลกอริทึมสำหรับคลัสเตอร์ของกระแสข้อมูลที่แสดงประสิทธิภาพการทำงานคล้ายกับหน่วยความจำขนาดเล็กรอย

ผลลัพธ์ (ไทย) 2:

กระบวนทัศน์หลักสำหรับการจัดกลุ่มการพัฒนากระแสข้อมูลในช่วง 10 ปีที่ได้รับการแบ่งขั้นตอนการจัดกลุ่มในขั้นตอนทั่วไปที่คำนวณและจัดเก็บรายละเอียดสถิติเกี่ยวกับข้อมูลที่อยู่ในกลุ่มขนาดเล็กและขั้นตอนแบบออฟไลน์ที่สอบถามสถิติไมโครคลัสเตอร์และผลตอบแทนที่ต้องการ โครงสร้างการจัดกลุ่ม อาร์กิวเมนต์สำหรับขั้นตอนวิธีการสองเฟสคือว่าพวกเขาสนับสนุนการพัฒนากระแสข้อมูลและการวิเคราะห์แบบหลายขนาดขมับซึ่งขั้นตอนวิธีการผ่านเดียวไม่ได้ ในบทความนี้เราจะอธิบายขั้นตอนวิธีการผ่านเดียวเสตามออนไลน์อย่างเต็มที่ชื่อ ClusTrel ได้รับการออกแบบสำหรับการจัดกลุ่ม centroid ตามที่สนับสนุนการพัฒนากระแสข้อมูลและสร้างโครงสร้างการจัดกลุ่มขวาหลังจากจุดใหม่จะถูกประมวลผล ประสิทธิภาพการทำงานของ ClusTrel ได้รับการประเมินและเมื่อเทียบกับรัฐของศิลปะขั้นตอนวิธีการสำหรับการจัดกลุ่มของกระแสข้อมูลที่แสดงให้เห็นถึงประสิทธิภาพการทำงานที่คล้ายกันกับการปล่อยหน่วยความจำขนาดเล็ก

ผลลัพธ์ (ไทย) 3:

กระบวนทัศน์การพัฒนากระแสหลักสำหรับการจัดกลุ่มข้อมูลในช่วง 10 ปี มีการแบ่งเป็นขั้นตอนในการขั้นตอนและรายละเอียดร้านค้าออนไลน์ที่คำนวณสถิติเกี่ยวกับข้อมูลในไมโครคลัสเตอร์และออฟไลน์เฟสว่า แบบสอบถามกลุ่มเล็กสถิติและผลตอบแทนที่ต้องการข้อมูลโครงสร้างอาร์กิวเมนต์สำหรับขั้นตอนวิธีการที่พวกเขาสนับสนุนการพัฒนากระแสข้อมูลและการวิเคราะห์หลายมาตราส่วนชั่วคราวซึ่งขั้นตอนวิธีเดียวผ่านไม่ได้ ในบทความนี้เราจะอธิบายเดียวผ่านออนไลน์เต็มระแนงตามแบบชื่อ clustrel ออกแบบมาเพื่อใช้ในการจัดกลุ่มที่สนับสนุนการพัฒนาของภาพกระแสข้อมูลและสร้างการจัดกลุ่มโครงสร้างหลังจุดใหม่ที่ประมวลผลประสิทธิภาพของ clustrel จะประเมินและเปรียบเทียบกับรัฐของศิลปะอัลกอริทึมสำหรับการแบ่งกลุ่มกระแสข้อมูลแสดงประสิทธิภาพคล้ายคลึงกับรอยหน่วยความจำขนาดเล็ก