Cluster distance matrixcontains dis

Cluster distance matrix
contains distances of all existing clusters between each other. Modifications are performed during clustering process when clusters are merged and when a cluster for newly added instance is created. This matrix also uses a two-dimensional dictionary.
•
Clusters
list maintains all clusters that exist in the current state of the clustering process.
•
Instances
is the list of all instances in the process. Although most of the time this list contains same items as the algorithm ’s data source, this allows for better clustering frame work separation and resolves issues with newly added instances When an instance is processed by the algorithm, either during initial clustering or when being added to the dataset three basic operation are performed:
•
Instance is passed to the distance function for processing. The distance function per-forms necessary analysis, such as term extraction and ranking (seesubsection 3.2.5)
•
Instance is added to the algorithm’s data structures and a distance function is invokedfor pairs of existing instances and the new instances to add values to the instancedistance matrix.
•
A new cluster is created and added to the cluster list.For similarity between clusters the minimum distance measure has been chosen. The minimum distance measure for two clusters is defined as the minimum from all distances between instances from the two clusters. This approach is used when filling the cluster distance matrix. When clusters are merged, the new cluster’s distance to cluster A is minimum of distances of the old clusters to cluster A and as only two clusters are always merged this simplifies to choosing smaller of two numbers.The clustering itself is realized within a loop that iterates until any two clusters are closer than a specified threshold. The value of this threshold is very important to the quality of clustering. Single iteration of the loop consists of following steps:
•
Find nearest two clusters. If their distance is above the threshold end the loop.
•
Create a new cluster containing instances from the two clusters.
•
Calculate distances to other clusters. Go to the first step.Incremental clustering is supported by performing similar instance processing as during the initial clustering and then executing the clustering loop. If the instance lies close enough to any existing cluster, merging will take place, otherwise instance ’s cluster will continue toexist.The client allows emails messages to be permanently removed. This event is announced by to the clustering algorithm and clean up operations are performed. The instance is removed from instances list and the cluster it is contained in. The cluster’s distance from other clusters must then be updated. This operation is computationally far more costly than when a cluster is merged as the modified cluster’s instances must be compared with instances from all other clusters

Kết quả (Việt) 1:

Cụm khoảng cách ma trậnchứa các khoảng cách của tất cả các cụm hiện có giữa mỗi khác. Modifications được thực hiện trong quá trình kết cụm khi cụm được sáp nhập và khi một cụm nhất mới được thêm vào ví dụ được tạo ra. Ma trận này cũng sử dụng một từ điển hai chiều.•Cụmdanh sách cho tất cả các cụm tồn tại trong trạng thái hiện tại của quá trình kết cụm.•Trường hợplà danh sách của tất cả trường hợp trong quá trình. Mặc dù phần lớn thời gian, danh sách này có chứa các mục tương tự như các thuật toán nguồn dữ liệu, điều này cho phép tốt hơn kết cụm khung làm việc tách và giải quyết các vấn đề với các trường hợp mới được thêm vào khi một thể hiện được xử lý bởi các thuật toán, hoặc trong đầu cụm hoặc khi được thêm vào các số liệu ba hoạt động cơ bản được thực hiện:•Trường hợp được truyền cho hàm khoảng cách để xử lý. Hàm khoảng cách mỗi hình thức phân tích cần thiết, chẳng hạn như thời hạn khai thác và xếp hạng (seesubsection 3.2.5)•Trường hợp được thêm vào cấu trúc dữ liệu của thuật toán và hàm khoảng cách là invokedfor cặp hiện có trường hợp và các trường hợp mới để thêm giá trị cho các ma trận instancedistance.•Một nhóm mới được tạo ra và thêm vào danh sách cụm sao. Cho giống nhau giữa cụm số đo khoảng cách tối thiểu đã được chọn. Đo khoảng cách tối thiểu cho hai cụm là defined như là tối thiểu từ tất cả các khoảng cách giữa các trường hợp từ hai cụm. Cách tiếp cận này được sử dụng khi làm ma trận khoảng cách của cụm sao. Khi cụm được sáp nhập, cụm mới khoảng cách đến cụm A tối thiểu của khoảng cách của cụm cũ với cụm A và khi chỉ có hai cụm luôn được sáp nhập này đơn giản hoá việc lựa chọn nhỏ hơn trong hai con số. Các cụm chính nó được thực hiện trong một vòng lặp iterates cho đến khi bất kỳ cụm hai gần gũi hơn một ngưỡng specified. Giá trị ngưỡng này là rất quan trọng đến chất lượng của cụm. Lặp đi lặp lại duy nhất của vòng bao gồm sau bước:•Tìm gần nhất hai cụm. Nếu khoảng cách của họ là ở trên ngưỡng kết thúc vòng lặp.•Tạo một nhóm mới có chứa các trường hợp từ hai cụm.•Tính toán khoảng cách đến cụm khác. Đi tới bước chính. Gia tăng clustering được hỗ trợ bằng cách thực hiện xử lý trường hợp tương tự như trong các cụm đầu tiên và sau đó thực hiện vòng lặp kết cụm. Nếu trường hợp nằm đóng đủ để bất kỳ cụm hiện có, việc sáp nhập sẽ diễn ra, nếu không dụ của cụm sẽ tiếp tục toexist. Các khách hàng cho phép thư email được xoá vĩnh viễn. Sự kiện này được công bố bởi các thuật toán kết cụm và dọn dẹp hoạt động được thực hiện. Trường hợp bị xóa khỏi danh sách trường hợp và cụm sao chứa trong. Khoảng cách của cụm từ cụm khác thì phải được Cập Nhật. Hoạt động này là computationally thêm rất nhiều tốn kém hơn khi sáp nhập một cụm sao như cụm sao modified trường hợp phải được so sánh với các trường hợp từ tất cả các cụm khác

Kết quả (Việt) 2:

Ma trận khoảng cách cụm
chứa khoảng cách của tất cả các cụm hiện giữa mỗi khác. Modi fi cation được thực hiện trong suốt quá trình phân nhóm khi cụm được sáp nhập và khi một cụm ví dụ mới được bổ sung được tạo ra. Ma trận này cũng sử dụng một từ điển hai chiều.
•
Các cụm
danh sách duy trì tất cả các cụm mà tồn tại trong trạng thái hiện tại của quá trình phân nhóm.
•
Trường hợp
là danh sách của tất cả các trường hợp trong quá trình này. Mặc dù hầu hết thời gian trong danh sách này chứa các mặt hàng tương tự như nguồn dữ liệu thuật toán 's, điều này cho phép phân nhóm tốt hơn tách khung làm việc và giải quyết các vấn đề với các trường hợp mới được bổ sung khi một thể được xử lý bởi các thuật toán, hoặc trong phân nhóm ban đầu hoặc khi được bổ sung đến hoạt động cơ bản dữ liệu ba được thực hiện:
•
Instance được truyền cho hàm khoảng cách để xử lý. Các chức năng khoảng cách mỗi hình thức phân tích cần thiết, chẳng hạn như khai thác hạn và xếp hạng (seesubsection 3.2.5)
•
Instance được thêm vào cấu trúc dữ liệu của thuật toán và một hàm khoảng cách là invokedfor cặp của các trường hiện có và các trường hợp mới để thêm giá trị cho các instancedistance ma trận.
•
Một cụm mới được tạo ra và thêm vào cụm list.For giống nhau giữa các cụm đo khoảng cách tối thiểu đã được chọn. Đo khoảng cách tối thiểu cho hai cụm là định nghĩa là tối thiểu từ mọi khoảng cách giữa các trường hợp từ hai cụm. Cách tiếp cận này được sử dụng khi làm ma trận khoảng cách cluster. Khi cụm được sáp nhập, khoảng cách các cluster mới của cụm A là tối thiểu khoảng cách của các cụm cũ cụm A và như chỉ có hai cụm luôn sáp nhập này giúp đơn giản hoá việc chọn nhỏ hơn của hai numbers.The phân nhóm chính được thực hiện trong một vòng lặp đó lặp cho đến khi hai cụm nào là gần gũi hơn một ngưỡng fi ed cụ thể. Giá trị của ngưỡng này là rất quan trọng đối với chất lượng của nhóm. Độc lặp của vòng lặp bao gồm các bước sau đây:
•
Tìm vực gần hai cụm. Nếu khoảng cách của họ là ở trên ngưỡng kết thúc vòng lặp.
•
Tạo một cluster mới có trường hợp từ hai cụm.
•
Tính toán khoảng cách tới các cụm khác. Tới đầu tiên fi step.Incremental phân nhóm được hỗ trợ bằng cách thực hiện chế biến dụ tương tự như trong các phân nhóm ban đầu và sau đó thực hiện các vòng lặp clustering. Nếu trường hợp nằm gần đủ để bất kỳ cụm hiện có, việc sáp nhập sẽ diễn ra, nếu không cụm dụ 's sẽ tiếp tục toexist.The khách hàng cho phép tin nhắn email được loại bỏ vĩnh viễn. Sự kiện này được công bố bởi các thuật toán phân nhóm và làm sạch các hoạt động được thực hiện. Các ví dụ được đưa ra khỏi danh sách các trường hợp và cụm nó được chứa trong. Khoảng cách của cụm từ cụm khác thì phải được cập nhật. Đây là hoạt động tính toán xa tốn kém hơn khi một cụm được sáp nhập như trường hợp các Modi fi ed cluster phải được so sánh với trường hợp từ tất cả các cụm khác