ترجمه فارسی مقاله خوشه بندی توزیع شده بر اساس هسته توزیع

چکیده

This paper introduces a new framework for clustering in a distributed network called Distributed Clustering based on Distributional Kernel (K) or KDC that produces the final clusters based on the similarity with respect to the distributions of initial clusters, as measured by K. It is the only framework that satisfies all three of the following properties. First, KDC guarantees that the combined clustering outcome from all sites is equivalent to the clustering outcome of its centralized counterpart from the combined dataset from all sites. Second, the maximum runtime cost of any site in distributed mode is smaller than the runtime cost in centralized mode. Third, it is designed to discover clusters of arbitrary shapes, sizes and densities. To the best of our knowledge, this is the first distributed clustering framework that employs a distributional kernel. The distribution-based clustering leads directly to significantly better clustering outcomes than existing methods of distributed clustering. In addition, we introduce a new clustering algorithm called Kernel Bounded Cluster Cores, which is the best clustering algorithm applied to KDC among existing clustering algorithms. We also show that KDC is a generic framework that enables a quadratic time clustering algorithm to deal with large datasets that would otherwise be impossible.

چکیده به فارسی (ترجمه ماشینی)

در این مقاله یک چارچوب جدید برای خوشه بندی در یک شبکه توزیع شده به نام خوشه بندی توزیع شده بر اساس هسته توزیع (K) یا KDC ارائه شده است که خوشه های نهایی را بر اساس شباهت با توجه به توزیع خوشه های اولیه تولید می کند ، همانطور که توسط K. اندازه گیری می شود.فقط چارچوبی که هر سه ویژگی زیر را برآورده می کند.اول ، KDC تضمین می کند که نتیجه خوشه بندی ترکیبی از همه سایت ها معادل نتیجه خوشه بندی همتای متمرکز خود از مجموعه داده های ترکیبی از همه سایت ها است.دوم ، حداکثر هزینه زمان اجرا هر سایت در حالت توزیع شده از هزینه زمان اجرا در حالت متمرکز کوچکتر است.سوم ، برای کشف خوشه های اشکال ، اندازه ها و تراکم های دلخواه طراحی شده است.به بهترین دانش ما ، این اولین چارچوب خوشه بندی توزیع شده است که از یک هسته توزیع استفاده می کند.خوشه بندی مبتنی بر توزیع مستقیماً به نتایج خوشه بندی بهتر از روشهای موجود در خوشه بندی توزیع شده منجر می شود.علاوه بر این ، ما یک الگوریتم خوشه بندی جدید به نام هسته های خوشه ای هسته ای را معرفی می کنیم ، که بهترین الگوریتم خوشه بندی است که برای KDC در بین الگوریتم های خوشه بندی موجود اعمال می شود.ما همچنین نشان می دهیم که KDC یک چارچوب عمومی است که یک الگوریتم خوشه بندی زمان درجه دوم را قادر می سازد تا با مجموعه داده های بزرگی مقابله کند که در غیر این صورت غیرممکن خواهد بود.