CSDL Bài trích Báo - Tạp chí
A new information theory based algorithm for clustering categorical data
Tác giả: Do Si Truong, Lam Thanh Hien, Nguyen Thanh TungTóm tắt:
In this paper, we review two baseline algorithms for use with categorical data, namely Min-Min Roughness (MMR) and Mean Gain Ratio (MGR), and propose a new algorithm, called Minimum Mean Normalized Variation of Information (MMNVI). MMNVI algorithm uses the Mean Normalized Variation of Information of one attribute concerning another for finding the best clustering attribute, and the entropy of equivalence classes generated by the selected clustering attribute for binary splitting the clustering dataset. Experimental results on real datasets from UCI indicate that the MMNVI algorithm can be used successfully in clustering categorical data. It produces better or equivalent clustering results than the baseline algorithms.
- Về cách tiếp nhận quan hệ ngữ nghĩa ở bậc từ
- Bàn về các phương pháp nhận diện ẩn dụ ý niệm
- Đối chiếu ẩn dụ ý niệm chỉ nỗi buồn trong tiếng Anh và tiếng Việt
- Hoạt động “dạy học phản ánh” của giảng viên trong lớp học tiếng Anh : khảo sát trường hợp
- Từ “盡”, “尽” trong tiếng Hán và từ Hán Việt “tận” trong tiếng Việt