Clustering mit fehlenden Werten: Analyse und Vergleich
Die meistern Clustering-Verfahren gehen implizit davon aus, dass die zu clusternden Daten gleiche viele (und die gleichen) Dimensionen haben sowie dass für jede Dimension ein Wert vorliegt. Je nach Anwendungsbereich kann es aber vorkommen, dass die betrachteten Objekte (z.B. Multimmediaobjekte) mit unterschiedlich vielen Merkmalen beschrieben werden oder das einzelne bis zu vielen Merkmals- bzw. Dimensionswerte fehlen. Im Rahmen dieser Masterarbeit sollen die Auswirkungen auf bestehende Clustering-Verfahren untersucht werden und wie man damit sinnvoll umgehen kann. Auch solchen eventuell bestehende Verfahren in der Literatur gefunden werden, die in der Lage sind mit fehlenden Werten zu arbeiten.
Bereich:
E-Mail senden