선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그래프에 따르면, 클러스터링 대상 데이터가 포함하는 객체의 수 n 이 n/2 이 된다면 확장성이 크게 향상된다. 따라서 본 논문에서는 초기 클러스터들을 효율적으로 구성하여 계층적 클러스터링의 확장성을 향상시키는 새로운 방안을 제안한다.
- 본 논문에서는 새로운 초기 클러스터링 기법을 이용하여 계층적 클러스터링의 효율을 향상시킬 수 있는 방안을 제안하였다. 이 방법은 데이터를 k-NN 그래프로 모델링하고,이를 통해 찾을 수 있는 중심 객체를 이용하여 적절한 초기 클러스터들을 생성한다.
- 중심 객체들이 정해지고 나면 이제 중심 객체가 아닌 다른 모든 객체들이 어느 초기 클러스터에 속할지를 정해야 한다. 본 연구에서는 각 객체에 대해 중심 객체들 중 그 객체와 가장 유사한 중심 객체를 선택하여 같은 클러스터에 속하도록 한다. 가장 유사한 중심 객체를 선택하는 방법에는 코사인 유사도(cosine similarity), 유클리드 거리(Euclidean distance) 등의 여러 방법이 사용될 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.