From the above examples, it follows

From the above examples, it follows that unlike dis­tances or similarities between a pair of points which are local properties involving only the two points in ques­tion, the link concept incorporates global information about the other points in the neighborhood of the two points. The larger the number of links between a pair of points, the greater is the likelihood that they belong to the same cluster. Thus, clustering using links in­jects global knowledge into the clustering process and is thus more robust. To the best of our knowledge, we are not aware of any work that so elegantly and succinctly captures, in a relationship involving a pair of data points, information about their neighbors.
In this paper, we present an agglomerative hierar­chical clustering algorithm ROCK (RObust Clustering using linKs) that is based on our notion of links. With real-life data sets, we show that the quality of clusters generated by ROCK are far superior to the clusters produced by the traditional centroid-based hierarchi­cal clustering algorithm.

Результаты (русский) 1:

Из приведенных выше примеров следует, что в отличие от расстояния или сходства между парой точек, которые являются локальными свойства с участием только двух точек в вопросе, концепция ссылка включает глобальной информации о других точках в районе двух точек. Чем больше количество связей между парой точек, тем больше это вероятность того, что они принадлежат к того же кластера. Таким образом кластеризации с помощью ссылок внедряет глобальные знания в процессе кластеризации и таким образом более надежен. В меру наших знаний мы не осознаем любой работы, которая захватывает так элегантно и лаконично, в отношениях с участием пару данных точки, информацию о своих соседей. В этой статье мы представляем агломерационное иерархический алгоритм кластеризации рок (надежные кластеризации с помощью ссылок), которая основана на нашем понятие ссылки. С реальной жизни наборов данных мы показывают, что качество кластеров, порожденных рок намного превосходит кластеры, выпускаемые традиционной основе центроид иерархический алгоритм кластеризации.

Результаты (русский) 2:

Из приведенных выше примеров следует, что в отличие от расстояния или сходства между парой точек, которые являются локальные свойства участием только двух точек в вопросе, концепция включает ссылку глобальную информацию о других точках в окрестности двух точек. Больше количество связей между парой точек, тем больше вероятность того, что они принадлежат к той же группе. Таким образом, кластеризации, используя ссылки вводит глобальные знания в процессе кластеризации и, следовательно, более надежными. Для лучших наших знаний, мы не в курсе любой работы, которая так изящно и лаконично захватывает, в отношениях с участием пару точек, информацию о своих соседей.
В этой статье мы представляем иерархическую агломерационных алгоритм кластеризации ROCK (Robust Кластеризация с помощью ссылки), которая основана на нашем понятии ссылкам. С наборами данных реальных, мы показываем, что качество кластеров, генерируемых ROCK далеко превосходит кластеров, полученных по традиционной центроидного основе алгоритма иерархической кластеризации.

Результаты (русский) 3:

Из приведенных выше примеров, то из этого следует, что в отличие от дис­tances или сходства между пару моментов, которые местные свойства с участием только две точки в заданные вопросы­российской федерации, link концепция включает глобальную информацию о других точек в непосредственной близости от две точки. Чем больше количество связей между парой точек,Тем больше вероятность того, что они принадлежат к одной и той же группе. Таким образом, объединение с помощью ссылки в­образом активизировалось глобальных знаний в процессе кластеризации и тем самым более надежные. Насколько нам известно, мы не знаем о каких-либо работы, изящно и сжатой форме фиксирует, в связи с участием пару точек данных, информацию о своих соседей.
В данном документе,Если agglomerative hierar chical­алгоритм кластеризации рок (надежные кластеризации с использованием ссылок) на базе нашего понятия ссылки. В реальных наборов данных, мы что кластеры, рок намного превосходят кластеров, традиционные центроид-на основе hierarchi­cal алгоритм кластеризации.