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
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
Liittyvät organisaatiot
Hankkeet, joissa julkaisu on tehty
- Yliopistojen profiloitumisen vahvistaminen kilpaillulla rahoituksella. Profilointitoimet JYU:ssä, 3. kierros
- Hämäläinen, Keijo
- Suomen Akatemia
- Hybridinanopartikkelien rakenteiden ennustaminen tekoälyä hyväksi käyttäen
- Kärkkäinen, Tommi
- Suomen Akatemia
OKM-raportointi: Kyllä
Raportointivuosi: 2018
JUFO-taso: 1