检索结果-南通市图书馆

Massive data clustering by multi-scale psychological observations

National Science Review 2022年第2期9卷 43-51页

作者： Shusen Yang Liwen Zhang Chen Xu Hanqiao Yu Jianqing Fan Zongben Xu National Engineering Laboratory of Big Data Analytics Xi'an Jiaotong University Department of Mathematics and Statistics University of Ottawa Center for Statistics and Machine Learning Princeton University Industrial Artificial Intelligent Center Pazhou Laboratory

Clustering is the discovery of latent group structure in data and is a fundamental problem in artificial intelligence,and a vital procedure in data-driven scientific research over all disciplines.Yet,existing methods have various limitations,especially we ak cognitive interpretability and poor computational scalability,when it comes to clustering massive datasets that are increasingly available in all domains.Here,by simulating the multi-scale cognitive observation process of humans,we design a scalable algorithm to detect clusters hierarchically hidden in massive datasets.The observation scale changes,following the Weber-Fechner law to capture the gradually emerging meaningful grouping structure.We validated our approach in real datasets with up to a billion records and 2000 dimensions,including taxi trajectories,single-cell gene expressions,face images,computer logs and audios.Our approach outperformed popular methods in usability,efficiency,effectiveness and robustness across different domains.

关键词： massive data clustering psychological observation Weber–Fechner law cognitive interpretability computational scalability

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：