D. Napoleon, P. Ganga lakshmi (2010

D. Napoleon, P. Ganga lakshmi (2010) “An Efficient KMeans Clustering Algorithm for Reducing Time
Complexity using Uniform Distribution Data Points” In
this paper the uniform distribution of the data points is
discussed that how this approach reduce the time
complexity of the K-means clustering algorithm [2]. By
using this approach the elapsed time is reduced and the
cluster is of better quality. In this a very good method is
used for finding the initial centroid. In this initially, the
distance between each data points is computed.

Hasil (Bahasa Indonesia) 1:

D. napoleon, P. Ganga lakshmi (2010) "efisien KMeans Clustering algoritma untuk mengurangi waktuKompleksitas menggunakan titik Data distribusi seragam"diMakalah ini distribusi seragam titik datamembahas bagaimana bahwa pendekatan ini mengurangi waktukompleksitas dari K-berarti clustering algoritma [2]. Olehmenggunakan pendekatan ini berlalu waktu berkurang dancluster adalah kualitas yang lebih baik. Ini adalah metode yang sangat baikdigunakan untuk menemukan centroid awal. Dalam hal ini pada awalnya,jarak antara setiap titik data dihitung.

Hasil (Bahasa Indonesia) 2:

D. Napoleon, P. Ganga lakshmi (2010) "Sebuah Algoritma KMeans Clustering Efisien untuk Mengurangi Waktu
Kompleksitas menggunakan Distribusi Uniform data Tempat" Dalam
makalah ini distribusi seragam poin data
dibahas bahwa bagaimana pendekatan ini mengurangi waktu
kompleksitas K -means algoritma clustering [2]. Dengan
menggunakan pendekatan ini waktu berlalu berkurang dan
cluster kualitas yang lebih baik. Dalam hal ini metode yang sangat baik yang
digunakan untuk menemukan centroid awal. Dalam hal ini pada awalnya,
jarak antara setiap titik data dihitung.