Glosario IA
El diccionario completo de la Inteligencia Artificial
Clustering par Flux (Stream Clustering)
Ensemble de techniques visant à partitionner des données qui arrivent de manière continue et potentiellement infinie, en temps réel et avec des ressources limitées.
Macro-cluster
Représentation stable et à long terme d'un cluster, souvent dérivé de la fusion ou de l'évolution de micro-clusters pour capturer les tendances persistantes du flux.
Fenêtre à Landmark (Landmark Window)
Modèle de mémoire qui traite toutes les données depuis un point de départ fixe dans le temps, utile pour analyser l'évolution depuis un événement marquant.
Densité Basée sur le Flux (Density-Based Stream Clustering)
Approche de clustering qui identifie des zones denses de points de données dans un flux, capable de gérer des clusters de forme arbitraire et de détecter du bruit.
Algorithme DBSTREAM
Algorithme de clustering par flux basé sur la densité qui utilise des grilles denses et des micro-clusters pour une gestion efficace de la mémoire et une détection rapide des dérives.
Facteur de Densité (Density Factor)
Métrique utilisée dans certains algorithmes de clustering par flux pour évaluer la densité d'un micro-cluster, influençant sa création, sa fusion ou son élimination.
Poids Décroissant (Decaying Weight)
Mécanisme attribuant une importance décroissante aux points de données plus anciens, permettant au modèle de se concentrer sur les tendances récentes du flux.
Clustering en Ligne (Online Clustering)
Phase du processus où chaque nouveau point de données est traité et affecté à un micro-cluster de manière incrémentale, sans nécessiter l'ensemble du jeu de données.
Clustering Fuera de Línea (Offline Clustering)
Fase opcional que genera los macro-clusters finales a partir de los micro-clusters existentes, a menudo a pedido del usuario para un análisis en un momento específico.
Cuadrícula Dinámica (Dynamic Grid)
Estructura de datos espacial que se adapta dividiendo o fusionando celdas para seguir la evolución de la distribución de datos en un flujo, optimizando el uso de la memoria.
Detección de Anomalías en Flujo (Stream Anomaly Detection)
Proceso integrado al clustering por flujo que identifica los puntos de datos que no pertenecen a ningún cluster denso, señalándolos como anomalías o ruido.
Síntesis de Cluster (Cluster Synopsis)
Representación compacta de un cluster (o micro-cluster) que contiene estadísticas esenciales como el centro, el radio y el peso, permitiendo cálculos eficientes.
Algoritmo DenStream
Algoritmo de clustering por flujo basado en densidad que distingue los micro-clusters potenciales de los micro-clusters centrales para modelar clusters emergentes y estables.
Horizonte Temporal (Time Horizon)
Parámetro que define el período de relevancia de los datos en un modelo de clustering por flujo, influenciando la velocidad a la que el modelo olvida información antigua.