首页> 外文OA文献 >Turning Big Data Into Tiny Data: Constant-Size Coresets for $k$-Means, PCA, and Projective Clustering

【2h】

Turning Big Data Into Tiny Data: Constant-Size Coresets for $k$-Means, PCA, and Projective Clustering

机译：将大数据转化为微小数据：$ k $ -means，pca和投影群集的常量尺寸

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Dan Feldman; Melanie Schmidt; Christian Sohler;
展开▼
作者单位

展开▼
年度 2020
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. TURNING BIG DATA INTO TINY DATA: CONSTANT-SIZE CORESETS FOR k-MEANS, PCA, AND PROJECTIVE CLUSTERING [J] . Feldman Dan, Schmidt Melanie, Sohler Christian SIAM Journal on Computing . 2020,第3期

机译：将大数据转化为微小数据：K-Means，PCA和投影群集的常量尺寸导致
2. A Weighted Distance Metric Clustering Method to Cluster Small Data Points from a Projected Database Generated from a Freespan Algorithm [J] . S. Gayathri, M. Mary Metilda, S. Sanjai Babu Indian Journal of Science and Technology . 2015,第22期

机译：一种基于Freespan算法生成的投影数据库中的小数据点的加权距离度量聚类方法
3. A Weighted Distance Metric Clustering Method to Cluster Small Data Points from a Projected Database Generated from a Freespan Algorithm [J] . S. Gayathri, M. Mary Metilda, S. Sanjai Babu Indian Journal of Science and Technology . 2015,第22期

机译：一种基于Freespan算法生成的投影数据库中的小数据点的加权距离度量聚类方法
4. Turning Big data into tiny data: Constant-size coresets for k-means, PCA and projective clustering [C] . Dan Feldman, Melanie Schmidt, Christian Sohler Annual Association for Computing Machinery-Society for Industrial and Applied Mathmatics Symposium on Discrete Algorithms . 2013

机译：将大数据转换为微小数据：K-means，PCA和投影群集的常量尺寸导体
5. Using principal component analysis (PCA) to obtain auxiliary variables for missing data in large data sets. [D] . Howard, Waylon J. 2012

机译：使用主成分分析（PCA）获得大数据集中缺失数据的辅助变量。
6. Clustering cancer gene expression data by projective clustering ensemble [O] . Xianxue Yu, Guoxian Yu, Jun Wang -1

机译：通过投影聚类集成对癌症基因表达数据进行聚类
7. Figure 2: Hierarchical maps using Ward as the clustering method and (A) raw data (B) scaled data, (C) data reduced by PCA and (D) data scaled and reduced by PCA. [O] . -1

机译：图2：使用Ward作为聚类方法的分层映射和（a）原始数据（b）缩放数据，（c）由PCA和（d）通过PCA缩放和减少的数据减少的数据。

Turning Big Data Into Tiny Data: Constant-Size Coresets for $k$-Means, PCA, and Projective Clustering

著录项

引文网络

相似文献

相关主题

期刊订阅