A4 Artikkeli konferenssijulkaisussa
Scalable robust clustering method for large and sparse data (2018)

Hämäläinen, J., Kärkkäinen, T., & Rossi, T. (2018). Scalable robust clustering method for large and sparse data. In ESANN 2018 : Proceedings of the 26th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning (pp. 449-454). ESANN. https://www.elen.ucl.ac.be/Proceedings/esann/esannpdf/es2018-134.pdf

JYU-tekijät tai -toimittajat

Kärkkäinen, Tommi
Rossi, Tuomo
Hämäläinen, Joonas

Julkaisun tiedot

Julkaisun kaikki tekijät tai toimittajat: Hämäläinen, Joonas; Kärkkäinen, Tommi; Rossi, Tuomo

Emojulkaisu: ESANN 2018 : Proceedings of the 26th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning

Konferenssi:

European symposium on artificial neural networks, computational intelligence and machine learning

ISBN: 978-2-87587-047-6

Julkaisuvuosi: 2018

Artikkelin sivunumerot: 449-454

Kustantaja: ESANN

Julkaisumaa: Belgia

Julkaisun kieli: englanti

Pysyvä verkko-osoite: https://www.elen.ucl.ac.be/Proceedings/esann/esannpdf/es2018-134.pdf

Julkaisun avoin saatavuus: Muulla tavalla avoin

Julkaisukanavan avoin saatavuus:

Julkaisu on rinnakkaistallennettu (JYX): https://jyx.jyu.fi/handle/123456789/62747

Lisätietoja: ESANN 2018 : 26th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, Bruges, Belgium, April 25-26-27, 2018.

Tiivistelmä

Datasets for unsupervised clustering can be large and sparse, with significant portion of missing values. We present here a scalable version of a robust clustering method with the available data strategy. Moreprecisely, a general algorithm is described and the accuracy and scalability of a distributed implementation of the algorithm is tested. The obtained results allow us to conclude the viability of the proposed approach.

YSO-asiasanat: data; klusterianalyysi

Vapaat asiasanat: datasets; clustering

Tieteenalat: