健康数据聚类的降维
数据库
2011-10-18 v1
摘要
当前的数据往往比传统数据更为复杂,需要进行降维处理。降维在聚类分析中具有重要意义,它能在保持与原始表示相同分析结果的前提下,生成规模更小的数据。聚类过程需要数据降维以获得高效的聚类处理时间,并缓解维度灾难。本文提出了一种用于提取健康数据库多维数据聚类的模型。我们实现了四种降维技术,包括奇异值分解(SVD)、主成分分析(PCA)、自组织映射(SOM)和 FastICA。结果表明,降维能够显著降低维度、缩短处理时间,并在多个健康数据集上提升了聚类性能。
引用
@article{arxiv.1110.3569,
title = {Dimension Reduction of Health Data Clustering},
author = {Rahmat Widia Sembiring and Jasni Mohamad Zain and Abdullah Embong},
journal= {arXiv preprint arXiv:1110.3569},
year = {2011}
}
备注
10 pages, 9 figures, published at International Journal on New Computer Architectures and Their Applications (IJNCAA)