Andmete klasterdamine

Klasterdamise probleemi uurimine kipub olema killustatud mustrituvastuse, andmebaaside, andmekaeve ja masinõppe kogukondade vahel. Raamat „Andmete klastrite moodustamine: algoritmid ja rakendused“ käsitleb seda probleemi ühtsel viisil ning pakub täielikku ülevaadet kogu klastrite moodustamise valdkonnast, alates põhimeetoditest kuni täiustatud ja keerukamate andmeklastrite moodustamise lähenemisviisideni. Erilist tähelepanu pööratakse hiljutistele probleemidele graafikute, sotsiaalvõrgustike ja muude valdkondade valdkonnas.

Raamat keskendub andmete klastrite kolmele peamisele aspektile:

• Meetodid, mis kirjeldavad klasterdamiseks tavaliselt kasutatavaid võtmetehnikaid, näiteks tunnuste valik, aglomeratiivne klasterdamine, jaotamine, tiheduspõhine klasterdamine, tõenäosuslik klasterdamine, ruudustikupõhine klasterdamine, spektraalne klasterdamine ja mittenegatiivne maatriksi faktoriseerimine
• Valdkonnad, mis hõlmavad meetodeid, mida kasutatakse erinevate andmevaldkondade jaoks, näiteks kategoorilised andmed, tekstiandmed, multimeediaandmed, graafikuandmed, bioloogilised andmed, voogandmed, ebakindlad andmed, aegridade klastrite moodustamine, kõrgmõõtmeline klastrite moodustamine ja suurandmed
• Variatsioonid ja arusaamad, mis käsitlevad klastrite moodustamise protsessi olulisi variatsioone, näiteks pooljärelevalvega klastrite moodustamist, interaktiivsete klastrite moodustamist, mitmevaateliste klastrite moodustamist, klastrite ansambleid ja klastrite valideerimist.

Selles raamatus uurivad tippteadlased üle maailma klastrite moodustamise probleemide iseärasusi mitmesugustes rakendusvaldkondades. Samuti selgitavad nad, kuidas saada klastrite moodustamise protsessist üksikasjalikku teavet, sealhulgas kuidas kontrollida alusklastrite kvaliteeti järelevalve, inimese sekkumise või alternatiivsete klastrite automatiseeritud genereerimise abil.