एआई शब्दावली
आर्टिफिशियल इंटेलिजेंस का पूर्ण शब्दकोश
स्ट्रीमिंग क्लस्टरिंग
निरंतर डेटा प्रवाह पर लागू होने वाली एक अनिरीक्षित शिक्षण तकनीक जो स्मृति में पूर्ण डेटा लोड किए बिना गतिशील समूहों की पहचान करती है। यह दृष्टिकोण बिग डेटा में उभरते पैटर्नों का वास्तविक समय विश्लेषण संभव बनाता है।
डेंसिटी-बेस्ड स्ट्रीमिंग क्लस्टरिंग
क्लस्टरिंग का एक दृष्टिकोण जो वास्तविक समय में डेटा प्रवाह में सघन क्षेत्रों की पहचान करता है, मनमाना आकार के क्लस्टरों का पता लगाने और शोर को संभालने में सक्षम है। ये विधियाँ घनत्व में परिवर्तनों के लिए गतिशील रूप से अनुकूलन करती हैं।
इंक्रीमेंटल क्लस्टरिंग
एक विधि जो नए डेटा के आने पर मौजूदा क्लस्टरों को अपडेट करती है बिना पूरी तरह से मॉडल की पुनर्गणना किए। यह दृष्टिकोण अनंत डेटा प्रवाह पर निरंतर कम्प्यूटेशनल दक्षता सुनिश्चित करता है।
विंडो-बेस्ड क्लस्टरिंग
एक तकनीक जो हाल के रुझानों को पकड़ने के लिए स्लाइडिंग या डिक्रीमेंटल समय विंडो पर क्लस्टरिंग एल्गोरिदम लागू करती है। विंडोज़ निश्चित आकार, अनुकूली या समय-आधारित हो सकती हैं।
इवोल्यूशनरी क्लस्टरिंग
एक प्रतिमान जो क्लस्टर संरचनाओं के समय विकास को कैप्चर करता है, अचानक परिवर्तनों को दंडित करते हुए डेटा के प्राकृतिक विकास के अनुकूल होता है। यह विधि समूहीकरण की समयिक सुसंगतता बनाए रखती है।
ऑनलाइन के-मीन्स
के-मीन्स एल्गोरिदम का एक अनुकूली संस्करण जो प्रवाह में आने वाले प्रत्येक नए डेटा के साथ सेंट्रोइड्स को वृद्धिशील रूप से अपडेट करता है। यह विधि प्रति बिंदु निरंतर जटिलता प्रदान करती है और क्रमिक परिवर्तनों के अनुकूल होती है।
स्ट्रीमकेएम++
डेटा प्रवाह के लिए क्लस्टरिंग एल्गोरिदम जो उच्च गुणवत्ता वाले सन्निकटन सुनिश्चित करने के लिए निश्चित आकार के कोरसेट्स के साथ के-मीन्स++ इनिशियलाइज़ेशन को जोड़ता है। यह दृष्टिकोण रैखिक जटिलता बनाए रखता है और सैद्धांतिक त्रुटि सीमाएँ गारंटी देता है।
क्लूस्ट्रीम
माइक्रो-क्लस्टरों पर आधारित क्लस्टरिंग फ्रेमवर्क जो विभिन्न समय विंडो में डेटा की सांख्यिकीय विशेषताओं को कैप्चर करता है। यह विधि कई समयिक स्तरों पर क्लस्टरों के विकास के विश्लेषण की अनुमति देती है।
डेनस्ट्रीम
डेटा स्ट्रीम के लिए घनत्व-आधारित क्लस्टरिंग एल्गोरिदम जो गतिशील रूप से विकसित होने वाले क्लस्टरों को प्रबंधित करने के लिए संभावित माइक्रो-क्लस्टर और आउटलायर का उपयोग करता है। यह विधि विभिन्न आकारों के क्लस्टरों का पता लगाने और शोर को प्रबंधित करने में उत्कृष्ट है।
स्ट्रीमिंग के लिए बीआईआरसीएच
डेटा स्ट्रीम के लिए बैलेंस्ड इटरेटिव रिड्यूसिंग एंड क्लस्टरिंग यूजिंग हायरार्कीज़ एल्गोरिदम का अनुकूलन, जो गतिशील सीएफ-ट्री संरचना का उपयोग करता है। यह दृष्टिकोण लॉगरिदमिक जटिलता के साथ वृद्धिशील क्लस्टरिंग की अनुमति देता है।
टेम्पोरल क्लस्टरिंग
वह अनुशासन जो विशिष्ट कालानुक्रमिक पैटर्न के अनुसार विकसित होने वाले समूहों की पहचान करने के लिए क्लस्टरिंग प्रक्रियाओं में समय आयामों को एकीकृत करता है। यह दृष्टिकोण डेटा में अनुक्रमों, रुझानों और मौसमीयताओं को पकड़ता है।
फेडिंग फैक्टर
स्ट्रीमिंग एल्गोरिदम में पुराने डेटा के वजन पर लागू घातीय क्षय पैरामीटर, जो हाल के अवलोकनों को अधिक महत्व देता है। यह तकनीक कॉन्सेप्ट ड्रिफ्ट के लिए प्रगतिशील अनुकूलन की अनुमति देती है।
स्ट्रीम सारांशीकरण
डेटा स्ट्रीम को कॉम्पैक्ट प्रतिनिधित्व में संपीड़ित करने की प्रक्रिया जो क्लस्टरिंग के लिए आवश्यक विशेषताओं को संरक्षित करती है। तकनीकों में स्केचेस, कोरसेट और सांख्यिकीय क्षणों पर आधारित सारांश शामिल हैं।
एनी-टाइम क्लस्टरिंग
स्ट्रीमिंग एल्गोरिदम की संपत्ति जो किसी भी समय मान्य क्लस्टरिंग परिणाम प्रदान करने में सक्षम होती है, जिसकी गुणवत्ता अधिक डेटा के साथ सुधरती है। यह विशेषता तत्काल प्रतिक्रिया की आवश्यकता वाले महत्वपूर्ण अनुप्रयोगों के लिए आवश्यक है।
ग्रिड-आधारित स्ट्रीमिंग क्लस्टरिंग
वह दृष्टिकोण जो उच्च-आयामी डेटा स्ट्रीम के कुशल क्लस्टरिंग के लिए डेटा स्थान को बहु-रिज़ॉल्यूशन ग्रिड में विभाजित करता है। यह विधि बिंदुओं की संख्या से स्वतंत्र जटिलता प्रदान करती है और विरल डेटा के लिए अच्छी तरह से अनुकूल होती है।
क्लस्टर रखरखाव
निरंतर स्ट्रीमिंग वातावरण में क्लस्टरों की सुसंगतता और प्रासंगिकता को बनाए रखने के लिए आवश्यक संचालनों का समूह। इन संचालनों में क्लस्टरों का गतिशील विलय, विभाजन, उन्मूलन और निर्माण शामिल है।
अनुमानित स्ट्रीम क्लस्टरिंग
डेटा स्ट्रीम पर निरंतर प्रदर्शन और अनंत स्केलेबिलिटी सुनिश्चित करने के लिए सटीकता को थोड़ा त्याग करने वाले एल्गोरिदम का वर्ग। ये विधियाँ सन्निकटन गुणवत्ता पर सैद्धांतिक गारंटी प्रदान करती हैं।
स्ट्रीम में आउटलायर डिटेक्शन
प्रासंगिक क्लस्टरिंग मॉडल बनाए रखते हुए डेटा स्ट्रीम में विसंगतियों की पहचान करने के लिए विशेष तकनीकें। ये विधियाँ स्थायी संरचनात्मक परिवर्तनों से क्षणिक आउटलायर को अलग करती हैं।