4 The ROCK Clustering AlgorithmIn t

4 The ROCK Clustering Algorithm
In this section, we describe the ROCK (RObust Clustering using linKs) clustering algorithm which be­longs to the class of agglomerative hierarchical cluster­ing algorithms.
4.1 Overview of ROCK
The steps involved in clustering using ROCK are described in Figure 2. After drawing a random sample from the database, a hierarchical clustering algorithm that employs links is applied to the sampled points. Finally, the clusters involving only the sampled points are used to assign the remaining data points on disk to the appropriate clusters. In the following subsec­tions, we first describe the steps performed by ROCK in greater detail.
4.2 Goodness Measure
In Section 3.3, we presented the criterion function which can be used to estimate the "goodness" of clus­ters. The best clustering of points were those that resulted in the highest values for the criterion func­tion. For a pair of clusters Ci, Cj , let link[C;, Cj ] store the number of cross links between clusters Ci and Cj, that is, Lp.EC ,PrEC; link(pq ,Pr)- Then, we define the goodness measure g( Ci, Cj ) for merging clusters Ci , Ci as follows.

Результаты (русский) 1:

4 рок алгоритм кластеризацииВ этом разделе мы описываем рок (надежные кластеризации с помощью ссылок) алгоритм, который принадлежит к классу агломерационное иерархической кластеризации алгоритмов кластеризации. 4.1 Обзор рокУчаствующих в кластеризации с помощью рок шаги описаны на рисунке 2. После нанесения случайной выборки из базы данных, иерархический алгоритм кластеризации, который использует ссылки применяется для выбранных точек. Наконец кластеры, с участием только выбранные точки используются для присвоить соответствующие кластеры оставшихся точек данных на диске. В следующих подразделах мы сначала описать шаги, выполняемые рок более подробно. 4.2 мера добраВ разделе 3.3 мы представили функцию критерий, который может быть использован для оценки «благость» кластеров. Лучшие кластеризации точек были те, которые привели к в высоких значений для функции критерий. Для пары кластеров Ci, Cj, дайте ссылку [C; Cj] хранить количество перекрестных связей между кластерами Ci и Cj, то есть, Lp.EC, плакированных драгоценными металлами; Link(PQ,PR) то, мы определяем мера g добра (Ci, Cj) для слияния кластеров Ci, Ci следующим образом.

Результаты (русский) 2:

4 РОК Алгоритм кластеризации
В этом разделе мы опишем ROCK (Robust кластеров, используя ссылки) алгоритм кластеризации, который принадлежит к классу агломерационных иерархических алгоритмов кластеризации.
4.1 Обзор ROCK
Этапы кластеризации с использованием ROCK описаны на рисунке 2. После рисунок случайную выборку из базы данных, иерархическая алгоритм кластеризации, который использует ссылки применяется к отобранных точках. Наконец, кластеры с участием только выборочные моменты используются для назначения оставшихся точек данных на диске в соответствующие кластеры. В следующих подразделах, мы сначала описать этапы, выполняемые ROCK более подробно.
4.2 добра измерения
В разделе 3.3, мы представили функцию критерий, который может быть использован для оценки "добро" кластеров. Лучший кластеризации точек были те, которые привели к высоким значениям для целевой функции. Для пары кластеров Ci, Cj, пусть ссылку [С ;, Cj] хранить количество перекрестных ссылок между кластерами Ci и Cj, то есть, Lp.EC, PREC; ссылка (PQ, Pr) - Тогда мы определим меру добра г (Ci, Cj) для объединения кластеров Ci, Ci следующим образом.

Результаты (русский) 3:

4 Rock алгоритм кластеризации
в данном разделе мы описывать рок (надежные кластеризации с использованием ссылок) алгоритм кластеризации, быть­приближаясь к классу agglomerative иерархической группе­образное алгоритмов.
4.1 Обзор рок
о кластеризации рок, описаны в Рисунок 2. После проведения случайной выборки из базы данных,Иерархическая кластеризация алгоритм, который использует связи применяется для измерения точки. И наконец, в группах с участием только отобранные используются для назначения оставшихся точек данных на диске, чтобы соответствующие группы. В следующей subsec­наций, мы сначала опишите действия, выполняемые в рок более подробно.
4.2 Добра измерьте
в разделе 3.3 ,Мы представили критерий функция, которая может использоваться для оценки "пригодности" clus­журна листов. Лучших кластеризация моменты были те, которые привели к наиболее высокие значения критерия func­выступил с разъяснением позиции. Для пары кластеров КЕ, CJ , дайте ссылку[c;, cj ] сохранить ряд связей между кластерами КЕ и CJ, lp.EC ,Migliorino; link(pq ,Pr)- затем мы определим добра измерения g( КЕ,CJ ) для слияния кластеров, ке КЕ следующим образом.