Compression schemes for mining large datasets : a machine learning perspective /
As data mining algorithms are typically applied to sizable volumes of high-dimensional data, these can result in large storage requirements and inefficient computation times. This unique text/reference addresses the challenges of data abstraction generation using a least number of database scans, co...
Đã lưu trong:
| Những tác giả chính: | , , |
|---|---|
| Tác giả của công ty: | |
| Định dạng: | eBook |
| Ngôn ngữ: | English |
| Được phát hành: |
London
Springer London Imprint: Springer,
2013.
|
| Loạt: | Advances in Computer Vision and Pattern Recognition,
|
| Những chủ đề: | |
| Truy cập trực tuyến: | Click here to view the full text content |
| Các nhãn: |
Thêm thẻ
Không có thẻ, Là người đầu tiên thẻ bản ghi này!
|
Mục lục:
- Introduction
- Data Mining Paradigms
- Run-Length Encoded Compression Scheme
- Dimensionality Reduction by Subsequence Pruning
- Data Compaction through Simultaneous Selection of Prototypes and Features
- Domain Knowledge-Based Compaction
- Optimal Dimensionality Reduction
- Big Data Abstraction through Multiagent Systems
- Intrusion Detection Dataset: Binary Representation.