BIRCHSCAN: UM MÉTODO DE APROXIMAÇÃO DO DBSCAN PARA GRANDES CONJUNTOS DE DADOS

• Ano de defesa: 2021
• Autor(a) principal: Ventorim, Igor de Moura
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Espírito Santo; BR; Mestrado em Informática; Centro Tecnológico; UFES; Programa de Pós-Graduação em Informática
• Palavras-chave em Português: Amostragem; análise de agrupamento; aprendizado não supervisionado; subject.br-rjbn; Ciência da Computação
• Link de acesso: http://repositorio.ufes.br/handle/10/15479

The DBSCAN algorithm is a classic density-based clustering method. This algorithm allows to identify clusters of different shapes, with the ability to identify noisy patterns in the data. DBSCAN presents good results, however it has a high computational complexity due to several distance calculations in the clustering process. This low computational efficiency limits its application to large data sets. This work presents a new method of grouping whose first stage is the construction of representative elements to apply DBSCAN to a reduced set of examples The proposed method allows grouping large datasets with approximate results to the DBSCAN result applied in the entire dataset. From the experiments performed, it is observed that the proposed technique presents good results and consistency when compared to other algorithms with a similar proposal.