Analiza skupień dla skończonego oraz ciągłego strumienia danych
[ 1 ] Instytut Sieci Teleinformatycznych, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ DW ] applied doctorate phd student | [ P ] employee
2022
chapter in monograph
polish
- sztuczna inteligencja
- uczenie nienadzorowane
- analiza skupień
- grupowanie
- artificial intelligence
- unsupervised learning
- clustering
PL Analiza skupień pozwala na wyszukiwanie zależności niewidocznych na pierwszy rzut oka oraz grupowanie obiektów na podstawie ich podobieństw. W zależności od charakteru zbioru danych należy dobrać odpowiednie metody, aby ich analiza była przeprowadzona w sposób optymalny. W opracowaniu przedstawiono metody wsadowej i ciągłej analizy skupień oraz koncepcje wykorzystywane w trakcie obliczeń. Grupowanie zostało wykorzystane do zbadania w jaki sposób może zostać wykorzystane do poszukiwania degradacji w usłudze telewizyjnej opartej o adaptacyjne strumieniowanie treści. Zbiór danych pochodzący z usługi wideo, został przebadany za pomocą wybranej grupy algorytmów. Zaprezentowany przykład pokazał, że można określić dekodery na których występuje zwiększona degradacja usługi. Podobne podejście mogłoby zostać wykorzystane w innych usługach telekomunikacyjnych. Grupowanie wieloetapowe powinno zostać wzięte pod uwagę, przy próbie uzyskania zwiększonej czułości detekcji urządzeń czy też geograficznym lokalizowaniu urządzeń. Systemy wykorzystujące analizę skupień umożliwiłyby na proaktywną redukcję degradacji na własnej sieci co dalej mogłoby doprowadzić do zwiększenia poziomu zadowolenia klientów.
EN Cluster analysis allows to find relationships that can be difficult to distinguish, and group objects based on their similarities. Depending on the nature of the dataset, appropriate methods should be chosen for the analysis to be carried out in an optimal way. The paper presents the methods of batch and continuous cluster analysis and the concepts used in the process. Clustering was used to investigate how online and offline methods can be used to find the degradation in a television service based on adaptive content streaming. The dataset derived from the video service, was examined using a selected group of algorithms. The presented example showed that it is possible to identify decoders with increased degradation of the service. A similar approach could be used in other telecommunication services. Multi-stage clustering should be taken into account when trying to achieve increased sensitivity of device detection or geographical localization of devices. Systems using cluster analysis would telecommunication operators allow for a proactive reduction of degradation on own networks, which could further lead to increased customer satisfaction.
7 - 22
publisher's website
final published version
at the time of publication
20.0