Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
An Algorithm for Partitioning Community Graph into Sub-community Graphs Using Graph Mining Techniques Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Performance Efficiency and Effectiveness of Clustering Methods for Microarray Datasets

verfasst von : Smita Chormunge, Sudarson Jena

Erschienen in: Proceedings of 3rd International Conference on Advanced Computing, Networking and Informatics

Verlag: Springer India

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Numerous of clustering methods are proficiently work for low dimensional data. However Clustering High dimensional data is still challenging related to time complexity and accuracy. This paper presents the performance efficiency and effectiveness of K-means and Agglomerative hierarchical clustering methods based on Euclidean distance function and quality measures Precision, Recall and F-measure for Microarray datasets by varying cluster values. Efficiency concerns about computational time required to build up dataset and effectiveness concerns about accuracy to cluster the data. Experimental results on Microarray datasets reveal that K-means clustering algorithm is favorable in terms of effectiveness where as efficiency of clustering algorithms depends on dataset used for empirical study.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Privacy Preserving Association Rule Mining in Horizontally Partitioned Databases Without Involving Trusted Third Party (TTP)
Nächstes Kapitel Data Anonymization Through Slicing Based on Graph-Based Vertical Partitioning
Literatur
1.
2.
Steinbach, M., Ertöz, L., Kumar, V.: The challenges of clustering high dimensional data. In: New Vistas in Statistical Physics—Applications in Econophysics, Bioinformatics, and Pattern Recognition. Springer (2004)
3.
Xu, R., Wunsch, D., Survey of clustering algorithms. IEEE Trans. Neural Netw. 16(3), 645–678 (May 2005)
4.
Steinbach, M., Karypis, G., Kumar, V.: A comparison of document clustering techniques. In: KDD Workshop on Text Mining (2000)
5.
Onoda, T., Sakai, M., Independent component analysis based seeding method for k-means clustering. In: IEEE/WIC/ACM International Conferences on Web Intelligence and Intelligent Agent Technology (2011). doi:10.​1109/​WI-IAT.​2011.​29
6.
Dhillon, I., Modha, D.: Concept decompositi-on for large sparse text data using clustering. Mach. Learn. 42, 143–175 (2001)CrossRefMATH
7.
Rokach, L., Maimon, O.: Clustering Methods Data Mining and Knowledge Discovery Handbook. Springer (2005)
8.
Achtert, E., Goldhofer, S., Kriegel,H.-P., Schubert, E., Zimek, A.: Evaluation of clusterings—metrics and visual support. In: Proceedings of the 28th International Conference on Data Engineering (ICDE), Washington, DC (2012)
9.
Bourennani, F., Pu, K.Q., Zhu, Y.: Visualization and integration of databases using self-organizing map. IEEE Int. Conf. Adv. Databases Knowl. Data Appl. 155–160 (2009). doi:10.​1109/​DBKDA.​2009.​30
10.
Greenacre, M., Primicerio, R.: Measures of Distance between Samples: Euclidean, pp. 47–59. Fundacion BBVA Publication (December 2013). ISBN:978-84-92937-50-9
11.
12.
Bouckaert, R.R., Frank, E., Hall, M., Kirkby, R., Reutemann, P., Seewald, A., Scuse, D.: WEKA Manual for Version 3-7-10, July 31, 2013
Metadaten
Titel
Performance Efficiency and Effectiveness of Clustering Methods for Microarray Datasets
verfasst von
Smita Chormunge
Sudarson Jena
Copyright-Jahr
2016
Verlag
Springer India
Buch
Proceedings of 3rd International Conference on Advanced Computing, Networking and Informatics

Print ISBN: 978-81-322-2528-7

Electronic ISBN: 978-81-322-2529-4

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-81-322-2529-4_58