Experimental Validation of the Clustering by Compression Technique

În zilele noastre, oamenii se confruntă cu o cerere din ce în ce mai mare de cunoştinţe şi informaţii. În acest context, clasificarea datelor este esenţială pentru obţinerea de informaţii structurate ca răspuns la interogările utilizatorilor. În această lucrare vom evalua rezultatele produse de o nouă tehnică de clasificare – clasificarea prin compresie atunci când se aplică asupra unor seturi diferite de date. Procedeul de clasificare prin compresie se bazează pe o distanţă universală de similitudine, numită distanţă normală de compresie sau NCD, calculată pe baza dimensiunii fişierelor de date comprimate. Rezultatele experimentale arată că se pot clasifica corect fişiere de diferite tipuri, fără nici o informaţie prealabilă. NCD a dovedit capacitatea de a evalua distanţa dintre obiectele de diferite tipuri, prin aproximarea distanţei normale de informaţie (NID), o metrică universală, care există doar la nivel teoretic.