使用Baire度量进行搜索和检索的快速、线性时间、m-Adic层次聚类，与广义超度量、散列、形式概念分析和数据测量精度相关
Fast, Linear Time, m-Adic Hierarchical Clustering for Search and Retrieval using the Baire Metric, with linkages to Generalized Ultrametrics, Hashing, Formal Concept Analysis, and Precision of Data Measurement
摘要：
我们描述了Baire度量及其在聚类数据中的使用，或其在预处理和结构化数据中的使用，以支持搜索和检索操作的许多优势点。在某些情况下，我们直接进行聚类，而不直接确定距离。我们展示了如何可以直接从数据的一次传递中读取层次聚类。我们还提供了关于数据测量精度的实际影响的见解。作为处理多维数据（包括非常高维的数据）的机制，我们使用随机投影。
英文摘要：
We describe many vantage points on the Baire metric and its use in clustering data, or its use in preprocessing and structuring data in order to support search and retrieval operations. In some cases, we proceed directly to clusters and do not directly determine the distances. We show how a hierarchical clustering can be read directly from one pass through the data. We offer insights also on practical implications of precision of data measurement. As a mechanism for treating multidimensional data, including very high dimensional data, we use random projections.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
