Amir, Amihood
[VerfasserIn];
Kashi, Reuven
[VerfasserIn];
Netanyahu, Nathan S.
[VerfasserIn];
Wawryniuk, Markus
[VerfasserIn];
Keim, Daniel A.
[VerfasserIn]
Analyzing High-Dimensional Data by Subspace Validity
Titel:
Analyzing High-Dimensional Data by Subspace Validity
Beteiligte:
Amir, Amihood
[VerfasserIn];
Kashi, Reuven
[VerfasserIn];
Netanyahu, Nathan S.
[VerfasserIn];
Wawryniuk, Markus
[VerfasserIn];
Keim, Daniel A.
[VerfasserIn]
Erschienen:
KOPS - The Institutional Repository of the University of Konstanz, 2003
Sprache:
Englisch
DOI:
https://doi.org/10.1109/ICDM.2003.1250955
Entstehung:
Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
We are proposing a novel method that makes it possible to analyze high dimensional data with arbitrary shaped projected clusters and high noise levels. At the core of our method lies the idea of subspace validity. We map the data in a way that allows us to test the quality of subspaces using statistical tests. Experimental results, both on synthetic and real data sets, demonstrate the potential of our method. ; published