Cluster Validity Index for Big Data Based on Density Discriminant Analysis

Conference proceedings article

ผู้เขียน/บรรณาธิการ

กลุ่มสาขาการวิจัยเชิงกลยุทธ์

รายละเอียดสำหรับงานพิมพ์

รายชื่อผู้แต่ง: Weerapong T., Sathapornvajana S., Padungweang P., Krathu W.

ผู้เผยแพร่: Hindawi

ปีที่เผยแพร่ (ค.ศ.): 2020

หน้าแรก: 1

หน้าสุดท้าย: 4

จำนวนหน้า: 4

ISBN: 9781728181066

นอก: 0146-9428

eISSN: 1745-4557

URL: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85097348238&doi=10.1109%2fIBDAP50342.2020.9245612&partnerID=40&md5=1161ba69d8859b5847d535dcf07efd70

ภาษา: English-Great Britain (EN-GB)

ดูบนเว็บไซต์ของสำนักพิมพ์

บทคัดย่อ

The important factor for clustering unsupervised data is the Cluster Validity Index indicating appropriate number of clusters. The paper proposes the application of the unsupervised density discriminant analysis algorithm for cluster validation in the context of Big Data. In particular, the experiment was conducted to perform clustering tasks on big dataset by using centroid based clustering algorithm and apply unsupervised density discriminant analysis algorithm to find the most appropriate number of clusters. The performance evaluation was performed by means of processing time. The result shows that the time used to perform the clustering task depends on number of features and clusters. © 2020 IEEE.

คำสำคัญ

Apache Spark