id	sid	tid	token	lemma	pos
hij-1183	1	1	available	available	ADJ
hij-1183	1	2	online	online	ADV
hij-1183	1	3	at	at	ADP
hij-1183	1	4	www.hightechjournal.org	www.hightechjournal.org	ADJ
hij-1183	1	5	hightech	hightech	NOUN
hij-1183	1	6	and	and	CCONJ
hij-1183	1	7	innovation	innovation	NOUN
hij-1183	1	8	journal	journal	PROPN
hij-1183	1	9	vol	vol	NOUN
hij-1183	1	10	.	.	PROPN
hij-1183	2	1	6	6	NUM
hij-1183	2	2	,	,	PUNCT
hij-1183	2	3	no	no	INTJ
hij-1183	2	4	.	.	NOUN
hij-1183	2	5	1	1	NUM
hij-1183	2	6	,	,	PUNCT
hij-1183	2	7	march	march	NOUN
hij-1183	2	8	,	,	PUNCT
hij-1183	2	9	2025	2025	NUM
hij-1183	2	10	352	352	NUM
hij-1183	2	11	issn	issn	NOUN
hij-1183	2	12	:	:	PUNCT
hij-1183	2	13	2723	2723	NUM
hij-1183	2	14	-	-	SYM
hij-1183	2	15	9535	9535	NUM
hij-1183	2	16	enhancing	enhance	VERB
hij-1183	2	17	dbscan	dbscan	NOUN
hij-1183	2	18	accuracy	accuracy	NOUN
hij-1183	2	19	and	and	CCONJ
hij-1183	2	20	computational	computational	ADJ
hij-1183	2	21	efficiency	efficiency	NOUN
hij-1183	2	22	using	use	VERB
hij-1183	2	23	closest	close	ADJ
hij-1183	2	24	access	access	NOUN
hij-1183	2	25	point	point	NOUN
hij-1183	2	26	pre	pre	VERB
hij-1183	2	27	-	-	ADJ
hij-1183	2	28	clustering	clustering	ADJ
hij-1183	2	29	for	for	ADP
hij-1183	2	30	fingerprint	fingerprint	NOUN
hij-1183	2	31	-	-	PUNCT
hij-1183	2	32	based	base	VERB
hij-1183	2	33	localization	localization	NOUN
hij-1183	2	34	abdulmalik	abdulmalik	NOUN
hij-1183	2	35	shehu	shehu	NOUN
hij-1183	2	36	yaro	yaro	VERB
hij-1183	2	37	1	1	NUM
hij-1183	2	38	,	,	PUNCT
hij-1183	2	39	2	2	NUM
hij-1183	2	40	*	*	PUNCT
hij-1183	2	41	,	,	PUNCT
hij-1183	2	42	filip	filip	PROPN
hij-1183	2	43	maly	maly	PROPN
hij-1183	2	44	1	1	NUM
hij-1183	2	45	,	,	PUNCT
hij-1183	2	46	pavel	pavel	PROPN
hij-1183	2	47	prazak	prazak	NOUN
hij-1183	2	48	1	1	NUM
hij-1183	2	49	1	1	NUM
hij-1183	2	50	department	department	NOUN
hij-1183	2	51	of	of	ADP
hij-1183	2	52	informatics	informatic	NOUN
hij-1183	2	53	and	and	CCONJ
hij-1183	2	54	quantitative	quantitative	ADJ
hij-1183	2	55	methods	method	NOUN
hij-1183	2	56	,	,	PUNCT
hij-1183	2	57	faculty	faculty	NOUN
hij-1183	2	58	of	of	ADP
hij-1183	2	59	informatics	informatic	NOUN
hij-1183	2	60	and	and	CCONJ
hij-1183	2	61	management	management	NOUN
hij-1183	2	62	,	,	PUNCT
hij-1183	2	63	university	university	NOUN
hij-1183	2	64	of	of	ADP
hij-1183	2	65	hradec	hradec	PROPN
hij-1183	2	66	kralove	kralove	PROPN
hij-1183	2	67	,	,	PUNCT
hij-1183	2	68	500	500	NUM
hij-1183	2	69	03	03	NUM
hij-1183	2	70	hradec	hradec	ADV
hij-1183	2	71	kralove	kralove	PROPN
hij-1183	2	72	,	,	PUNCT
hij-1183	2	73	czech	czech	PROPN
hij-1183	2	74	republic	republic	NOUN
hij-1183	2	75	.	.	PUNCT
hij-1183	3	1	2	2	NUM
hij-1183	3	2	department	department	NOUN
hij-1183	3	3	of	of	ADP
hij-1183	3	4	electronics	electronic	NOUN
hij-1183	3	5	and	and	CCONJ
hij-1183	3	6	telecommunications	telecommunication	NOUN
hij-1183	3	7	engineering	engineering	NOUN
hij-1183	3	8	,	,	PUNCT
hij-1183	3	9	ahmadu	ahmadu	PROPN
hij-1183	3	10	bello	bello	PROPN
hij-1183	3	11	university	university	PROPN
hij-1183	3	12	,	,	PUNCT
hij-1183	3	13	zaria	zaria	PROPN
hij-1183	3	14	,	,	PUNCT
hij-1183	3	15	810106	810106	NUM
hij-1183	3	16	,	,	PUNCT
hij-1183	3	17	nigeria	nigeria	PROPN
hij-1183	3	18	.	.	PUNCT
hij-1183	3	19	received	receive	VERB
hij-1183	3	20	11	11	NUM
hij-1183	3	21	january	january	PROPN
hij-1183	3	22	2025	2025	NUM
hij-1183	3	23	;	;	PUNCT
hij-1183	3	24	revised	revise	VERB
hij-1183	3	25	21	21	NUM
hij-1183	3	26	february	february	NOUN
hij-1183	3	27	2025	2025	NUM
hij-1183	3	28	;	;	PUNCT
hij-1183	3	29	accepted	accept	VERB
hij-1183	3	30	26	26	NUM
hij-1183	3	31	february	february	NOUN
hij-1183	3	32	2025	2025	NUM
hij-1183	3	33	;	;	PUNCT
hij-1183	3	34	published	publish	VERB
hij-1183	3	35	01	01	NUM
hij-1183	3	36	march	march	PROPN
hij-1183	3	37	2025	2025	NUM
hij-1183	3	38	abstract	abstract	NOUN
hij-1183	3	39	within	within	ADP
hij-1183	3	40	the	the	DET
hij-1183	3	41	context	context	NOUN
hij-1183	3	42	of	of	ADP
hij-1183	3	43	fingerprint	fingerprint	NOUN
hij-1183	3	44	database	database	NOUN
hij-1183	3	45	clustering	clustering	NOUN
hij-1183	3	46	,	,	PUNCT
hij-1183	3	47	the	the	DET
hij-1183	3	48	density	density	NOUN
hij-1183	3	49	-	-	PUNCT
hij-1183	3	50	based	base	VERB
hij-1183	3	51	spatial	spatial	ADJ
hij-1183	3	52	clustering	clustering	NOUN
hij-1183	3	53	of	of	ADP
hij-1183	3	54	applications	application	NOUN
hij-1183	3	55	with	with	ADP
hij-1183	3	56	noise	noise	NOUN
hij-1183	3	57	(	(	PUNCT
hij-1183	3	58	dbscan	dbscan	NOUN
hij-1183	3	59	)	)	PUNCT
hij-1183	3	60	is	be	AUX
hij-1183	3	61	notable	notable	ADJ
hij-1183	3	62	for	for	ADP
hij-1183	3	63	its	its	PRON
hij-1183	3	64	robustness	robustness	NOUN
hij-1183	3	65	to	to	ADP
hij-1183	3	66	outliers	outlier	NOUN
hij-1183	3	67	and	and	CCONJ
hij-1183	3	68	ability	ability	NOUN
hij-1183	3	69	to	to	PART
hij-1183	3	70	handle	handle	VERB
hij-1183	3	71	clusters	cluster	NOUN
hij-1183	3	72	of	of	ADP
hij-1183	3	73	different	different	ADJ
hij-1183	3	74	sizes	size	NOUN
hij-1183	3	75	and	and	CCONJ
hij-1183	3	76	shapes	shape	NOUN
hij-1183	3	77	.	.	PUNCT
hij-1183	4	1	however	however	ADV
hij-1183	4	2	,	,	PUNCT
hij-1183	4	3	its	its	PRON
hij-1183	4	4	high	high	ADJ
hij-1183	4	5	computational	computational	ADJ
hij-1183	4	6	burden	burden	NOUN
hij-1183	4	7	limits	limit	VERB
hij-1183	4	8	its	its	PRON
hij-1183	4	9	scalability	scalability	NOUN
hij-1183	4	10	for	for	ADP
hij-1183	4	11	dense	dense	ADJ
hij-1183	4	12	fingerprint	fingerprint	NOUN
hij-1183	4	13	databases	database	NOUN
hij-1183	4	14	.	.	PUNCT
hij-1183	5	1	a	a	DET
hij-1183	5	2	hybrid	hybrid	ADJ
hij-1183	5	3	two	two	NUM
hij-1183	5	4	-	-	PUNCT
hij-1183	5	5	stage	stage	NOUN
hij-1183	5	6	clustering	clustering	NOUN
hij-1183	5	7	method	method	NOUN
hij-1183	5	8	,	,	PUNCT
hij-1183	5	9	the	the	DET
hij-1183	5	10	cap	cap	NOUN
hij-1183	5	11	-	-	PUNCT
hij-1183	5	12	dbscan	dbscan	NOUN
hij-1183	5	13	algorithm	algorithm	NOUN
hij-1183	5	14	,	,	PUNCT
hij-1183	5	15	is	be	AUX
hij-1183	5	16	proposed	propose	VERB
hij-1183	5	17	in	in	ADP
hij-1183	5	18	this	this	DET
hij-1183	5	19	paper	paper	NOUN
hij-1183	5	20	,	,	PUNCT
hij-1183	5	21	designed	design	VERB
hij-1183	5	22	to	to	PART
hij-1183	5	23	accelerate	accelerate	VERB
hij-1183	5	24	dbscan	dbscan	NOUN
hij-1183	5	25	clustering	cluster	VERB
hij-1183	5	26	while	while	SCONJ
hij-1183	5	27	ensuring	ensure	VERB
hij-1183	5	28	accuracy	accuracy	NOUN
hij-1183	5	29	for	for	ADP
hij-1183	5	30	fingerprint	fingerprint	NOUN
hij-1183	5	31	-	-	PUNCT
hij-1183	5	32	based	base	VERB
hij-1183	5	33	localisation	localisation	NOUN
hij-1183	5	34	systems	system	NOUN
hij-1183	5	35	.	.	PUNCT
hij-1183	6	1	the	the	DET
hij-1183	6	2	cap	cap	NOUN
hij-1183	6	3	-	-	PUNCT
hij-1183	6	4	dbscan	dbscan	NOUN
hij-1183	6	5	algorithm	algorithm	NOUN
hij-1183	6	6	employs	employ	VERB
hij-1183	6	7	the	the	DET
hij-1183	6	8	closest	close	ADJ
hij-1183	6	9	access	access	NOUN
hij-1183	6	10	point	point	NOUN
hij-1183	6	11	(	(	PUNCT
hij-1183	6	12	cap	cap	NOUN
hij-1183	6	13	)	)	PUNCT
hij-1183	6	14	algorithm	algorithm	NOUN
hij-1183	6	15	to	to	ADP
hij-1183	6	16	pre	pre	VERB
hij-1183	6	17	-	-	VERB
hij-1183	6	18	cluster	cluster	VERB
hij-1183	6	19	the	the	DET
hij-1183	6	20	database	database	NOUN
hij-1183	6	21	,	,	PUNCT
hij-1183	6	22	while	while	SCONJ
hij-1183	6	23	the	the	DET
hij-1183	6	24	dbscan	dbscan	PROPN
hij-1183	6	25	algorithm	algorithm	NOUN
hij-1183	6	26	performs	perform	VERB
hij-1183	6	27	clustering	clustering	NOUN
hij-1183	6	28	refinement	refinement	NOUN
hij-1183	6	29	.	.	PUNCT
hij-1183	7	1	it	it	PRON
hij-1183	7	2	dynamically	dynamically	ADV
hij-1183	7	3	adjusts	adjust	VERB
hij-1183	7	4	the	the	DET
hij-1183	7	5	neighborhood	neighborhood	NOUN
hij-1183	7	6	radius	radius	NOUN
hij-1183	7	7	(	(	PUNCT
hij-1183	7	8	eps	eps	NOUN
hij-1183	7	9	)	)	PUNCT
hij-1183	7	10	value	value	NOUN
hij-1183	7	11	for	for	ADP
hij-1183	7	12	each	each	DET
hij-1183	7	13	pre	pre	NOUN
hij-1183	7	14	-	-	NOUN
hij-1183	7	15	cluster	cluster	NOUN
hij-1183	7	16	using	use	VERB
hij-1183	7	17	the	the	DET
hij-1183	7	18	k	k	ADJ
hij-1183	7	19	-	-	PUNCT
hij-1183	7	20	distance	distance	NOUN
hij-1183	7	21	plot	plot	NOUN
hij-1183	7	22	method	method	NOUN
hij-1183	7	23	.	.	PUNCT
hij-1183	8	1	the	the	DET
hij-1183	8	2	performance	performance	NOUN
hij-1183	8	3	of	of	ADP
hij-1183	8	4	the	the	DET
hij-1183	8	5	cap	cap	NOUN
hij-1183	8	6	-	-	PUNCT
hij-1183	8	7	dbscan	dbscan	NOUN
hij-1183	8	8	algorithm	algorithm	NOUN
hij-1183	8	9	is	be	AUX
hij-1183	8	10	determined	determine	VERB
hij-1183	8	11	across	across	ADP
hij-1183	8	12	four	four	NUM
hij-1183	8	13	publicly	publicly	ADV
hij-1183	8	14	available	available	ADJ
hij-1183	8	15	received	receive	VERB
hij-1183	8	16	signal	signal	NOUN
hij-1183	8	17	strength	strength	NOUN
hij-1183	8	18	(	(	PUNCT
hij-1183	8	19	rss)-based	rss)-base	VERB
hij-1183	8	20	fingerprint	fingerprint	NOUN
hij-1183	8	21	databases	database	NOUN
hij-1183	8	22	with	with	ADP
hij-1183	8	23	euclidean	euclidean	ADJ
hij-1183	8	24	and	and	CCONJ
hij-1183	8	25	manhattan	manhattan	PROPN
hij-1183	8	26	distances	distance	NOUN
hij-1183	8	27	as	as	ADP
hij-1183	8	28	fingerprint	fingerprint	NOUN
hij-1183	8	29	similarity	similarity	NOUN
hij-1183	8	30	metrics	metric	NOUN
hij-1183	8	31	.	.	PUNCT
hij-1183	9	1	this	this	PRON
hij-1183	9	2	is	be	AUX
hij-1183	9	3	benchmarked	benchmarke	VERB
hij-1183	9	4	against	against	ADP
hij-1183	9	5	the	the	DET
hij-1183	9	6	performances	performance	NOUN
hij-1183	9	7	of	of	ADP
hij-1183	9	8	the	the	DET
hij-1183	9	9	standard	standard	ADJ
hij-1183	9	10	dbscan	dbscan	NOUN
hij-1183	9	11	(	(	PUNCT
hij-1183	9	12	s	s	NOUN
hij-1183	9	13	-	-	PUNCT
hij-1183	9	14	dbscan	dbscan	NOUN
hij-1183	9	15	)	)	PUNCT
hij-1183	9	16	and	and	CCONJ
hij-1183	9	17	k	k	NOUN
hij-1183	9	18	-	-	PUNCT
hij-1183	9	19	means++-dbscan	means++-dbscan	ADJ
hij-1183	9	20	(	(	PUNCT
hij-1183	9	21	k	k	ADJ
hij-1183	9	22	-	-	PUNCT
hij-1183	9	23	dbscan	dbscan	NOUN
hij-1183	9	24	)	)	PUNCT
hij-1183	9	25	algorithms	algorithm	NOUN
hij-1183	9	26	presented	present	VERB
hij-1183	9	27	in	in	ADP
hij-1183	9	28	previous	previous	ADJ
hij-1183	9	29	research	research	NOUN
hij-1183	9	30	.	.	PUNCT
hij-1183	10	1	simulation	simulation	NOUN
hij-1183	10	2	results	result	NOUN
hij-1183	10	3	show	show	VERB
hij-1183	10	4	that	that	SCONJ
hij-1183	10	5	the	the	DET
hij-1183	10	6	cap	cap	NOUN
hij-1183	10	7	-	-	PUNCT
hij-1183	10	8	dbscan	dbscan	NOUN
hij-1183	10	9	algorithm	algorithm	NOUN
hij-1183	10	10	consistently	consistently	ADV
hij-1183	10	11	outperforms	outperform	VERB
hij-1183	10	12	both	both	CCONJ
hij-1183	10	13	the	the	DET
hij-1183	10	14	s	s	NOUN
hij-1183	10	15	-	-	PUNCT
hij-1183	10	16	dbscan	dbscan	NOUN
hij-1183	10	17	and	and	CCONJ
hij-1183	10	18	k	k	ADJ
hij-1183	10	19	-	-	PUNCT
hij-1183	10	20	dbscan	dbscan	ADJ
hij-1183	10	21	algorithms	algorithm	NOUN
hij-1183	10	22	,	,	PUNCT
hij-1183	10	23	achieving	achieve	VERB
hij-1183	10	24	higher	high	ADJ
hij-1183	10	25	silhouette	silhouette	NOUN
hij-1183	10	26	scores	score	NOUN
hij-1183	10	27	,	,	PUNCT
hij-1183	10	28	which	which	PRON
hij-1183	10	29	indicates	indicate	VERB
hij-1183	10	30	the	the	DET
hij-1183	10	31	generation	generation	NOUN
hij-1183	10	32	of	of	ADP
hij-1183	10	33	more	more	ADV
hij-1183	10	34	compact	compact	ADJ
hij-1183	10	35	and	and	CCONJ
hij-1183	10	36	well	well	ADV
hij-1183	10	37	-	-	PUNCT
hij-1183	10	38	defined	define	VERB
hij-1183	10	39	clusters	cluster	NOUN
hij-1183	10	40	.	.	PUNCT
hij-1183	11	1	furthermore	furthermore	ADV
hij-1183	11	2	,	,	PUNCT
hij-1183	11	3	the	the	DET
hij-1183	11	4	cap	cap	NOUN
hij-1183	11	5	-	-	PUNCT
hij-1183	11	6	dbscan	dbscan	NOUN
hij-1183	11	7	algorithm	algorithm	NOUN
hij-1183	11	8	demonstrates	demonstrate	VERB
hij-1183	11	9	superior	superior	ADJ
hij-1183	11	10	computational	computational	ADJ
hij-1183	11	11	efficiency	efficiency	NOUN
hij-1183	11	12	as	as	ADP
hij-1183	11	13	a	a	DET
hij-1183	11	14	result	result	NOUN
hij-1183	11	15	of	of	ADP
hij-1183	11	16	the	the	DET
hij-1183	11	17	cap	cap	NOUN
hij-1183	11	18	algorithm	algorithm	NOUN
hij-1183	11	19	generating	generate	VERB
hij-1183	11	20	well	well	ADV
hij-1183	11	21	-	-	PUNCT
hij-1183	11	22	structured	structure	VERB
hij-1183	11	23	pre	pre	NOUN
hij-1183	11	24	-	-	NOUN
hij-1183	11	25	clusters	cluster	NOUN
hij-1183	11	26	better	well	ADV
hij-1183	11	27	than	than	ADP
hij-1183	11	28	those	those	PRON
hij-1183	11	29	generated	generate	VERB
hij-1183	11	30	by	by	ADP
hij-1183	11	31	the	the	DET
hij-1183	11	32	k	k	PROPN
hij-1183	11	33	-	-	PUNCT
hij-1183	11	34	means++	means++	ADJ
hij-1183	11	35	algorithm	algorithm	NOUN
hij-1183	11	36	.	.	PUNCT
hij-1183	12	1	this	this	PRON
hij-1183	12	2	significantly	significantly	ADV
hij-1183	12	3	reduces	reduce	VERB
hij-1183	12	4	the	the	DET
hij-1183	12	5	computational	computational	ADJ
hij-1183	12	6	burden	burden	NOUN
hij-1183	12	7	of	of	ADP
hij-1183	12	8	the	the	DET
hij-1183	12	9	cluster	cluster	NOUN
hij-1183	12	10	refinement	refinement	NOUN
hij-1183	12	11	process	process	NOUN
hij-1183	12	12	.	.	PUNCT
hij-1183	13	1	overall	overall	ADV
hij-1183	13	2	,	,	PUNCT
hij-1183	13	3	using	use	VERB
hij-1183	13	4	manhattan	manhattan	PROPN
hij-1183	13	5	distance	distance	NOUN
hij-1183	13	6	as	as	ADP
hij-1183	13	7	a	a	DET
hij-1183	13	8	fingerprint	fingerprint	NOUN
hij-1183	13	9	similarity	similarity	NOUN
hij-1183	13	10	metric	metric	ADJ
hij-1183	13	11	results	result	NOUN
hij-1183	13	12	in	in	ADP
hij-1183	13	13	the	the	DET
hij-1183	13	14	best	good	ADJ
hij-1183	13	15	clustering	clustering	ADJ
hij-1183	13	16	performance	performance	NOUN
hij-1183	13	17	of	of	ADP
hij-1183	13	18	the	the	DET
hij-1183	13	19	cap	cap	NOUN
hij-1183	13	20	-	-	PUNCT
hij-1183	13	21	dbscan	dbscan	NOUN
hij-1183	13	22	algorithm	algorithm	NOUN
hij-1183	13	23	.	.	PUNCT
hij-1183	14	1	these	these	DET
hij-1183	14	2	findings	finding	NOUN
hij-1183	14	3	underscore	underscore	VERB
hij-1183	14	4	the	the	DET
hij-1183	14	5	potential	potential	NOUN
hij-1183	14	6	of	of	ADP
hij-1183	14	7	the	the	DET
hij-1183	14	8	cap	cap	NOUN
hij-1183	14	9	-	-	PUNCT
hij-1183	14	10	dbscan	dbscan	NOUN
hij-1183	14	11	algorithm	algorithm	NOUN
hij-1183	14	12	for	for	ADP
hij-1183	14	13	practical	practical	ADJ
hij-1183	14	14	applications	application	NOUN
hij-1183	14	15	in	in	ADP
hij-1183	14	16	resource	resource	NOUN
hij-1183	14	17	-	-	PUNCT
hij-1183	14	18	constrained	constrain	VERB
hij-1183	14	19	fingerprintbased	fingerprintbase	VERB
hij-1183	14	20	localization	localization	NOUN
hij-1183	14	21	systems	system	NOUN
hij-1183	14	22	.	.	PUNCT
hij-1183	15	1	keywords	keyword	NOUN
hij-1183	15	2	:	:	PUNCT
hij-1183	15	3	dbscan	dbscan	NOUN
hij-1183	15	4	;	;	PUNCT
hij-1183	15	5	computational	computational	ADJ
hij-1183	15	6	efficiency	efficiency	NOUN
hij-1183	15	7	;	;	PUNCT
hij-1183	15	8	proximity	proximity	NOUN
hij-1183	15	9	-	-	PUNCT
hij-1183	15	10	based	base	VERB
hij-1183	15	11	clustering	clustering	NOUN
hij-1183	15	12	;	;	PUNCT
hij-1183	15	13	fingerprint	fingerprint	NOUN
hij-1183	15	14	-	-	PUNCT
hij-1183	15	15	based	base	VERB
hij-1183	15	16	localization	localization	NOUN
hij-1183	15	17	;	;	PUNCT
hij-1183	15	18	pre	pre	ADJ
hij-1183	15	19	-	-	ADJ
hij-1183	15	20	clustering	clustering	ADJ
hij-1183	15	21	approach	approach	NOUN
hij-1183	15	22	.	.	PUNCT
hij-1183	16	1	1	1	X
hij-1183	16	2	.	.	X
hij-1183	16	3	introduction	introduction	NOUN
hij-1183	16	4	a	a	DET
hij-1183	16	5	fingerprint	fingerprint	NOUN
hij-1183	16	6	-	-	PUNCT
hij-1183	16	7	based	base	VERB
hij-1183	16	8	localisation	localisation	NOUN
hij-1183	16	9	system	system	NOUN
hij-1183	16	10	is	be	AUX
hij-1183	16	11	commonly	commonly	ADV
hij-1183	16	12	used	use	VERB
hij-1183	16	13	for	for	ADP
hij-1183	16	14	indoor	indoor	ADJ
hij-1183	16	15	localisation	localisation	NOUN
hij-1183	16	16	and	and	CCONJ
hij-1183	16	17	estimates	estimate	VERB
hij-1183	16	18	the	the	DET
hij-1183	16	19	position	position	NOUN
hij-1183	16	20	of	of	ADP
hij-1183	16	21	an	an	DET
hij-1183	16	22	indoor	indoor	ADJ
hij-1183	16	23	target	target	NOUN
hij-1183	16	24	in	in	ADP
hij-1183	16	25	two	two	NUM
hij-1183	16	26	phases	phase	NOUN
hij-1183	17	1	[	[	X
hij-1183	17	2	1	1	NUM
hij-1183	17	3	]	]	PUNCT
hij-1183	17	4	:	:	PUNCT
hij-1183	17	5	the	the	DET
hij-1183	17	6	offline	offline	ADJ
hij-1183	17	7	phase	phase	NOUN
hij-1183	17	8	and	and	CCONJ
hij-1183	17	9	the	the	DET
hij-1183	17	10	online	online	ADJ
hij-1183	17	11	phase	phase	NOUN
hij-1183	17	12	,	,	PUNCT
hij-1183	17	13	with	with	ADP
hij-1183	17	14	the	the	DET
hij-1183	17	15	offline	offline	ADJ
hij-1183	17	16	phase	phase	NOUN
hij-1183	17	17	being	be	AUX
hij-1183	17	18	the	the	DET
hij-1183	17	19	focus	focus	NOUN
hij-1183	17	20	of	of	ADP
hij-1183	17	21	this	this	DET
hij-1183	17	22	paper	paper	NOUN
hij-1183	17	23	.	.	PUNCT
hij-1183	18	1	the	the	DET
hij-1183	18	2	offline	offline	ADJ
hij-1183	18	3	phase	phase	NOUN
hij-1183	18	4	involves	involve	VERB
hij-1183	18	5	creating	create	VERB
hij-1183	18	6	a	a	DET
hij-1183	18	7	fingerprint	fingerprint	NOUN
hij-1183	18	8	database	database	NOUN
hij-1183	19	1	[	[	X
hij-1183	19	2	2	2	NUM
hij-1183	19	3	,	,	PUNCT
hij-1183	19	4	3	3	NUM
hij-1183	19	5	]	]	PUNCT
hij-1183	19	6	.	.	PUNCT
hij-1183	20	1	this	this	DET
hij-1183	20	2	process	process	NOUN
hij-1183	20	3	begins	begin	VERB
hij-1183	20	4	with	with	ADP
hij-1183	20	5	the	the	DET
hij-1183	20	6	reception	reception	NOUN
hij-1183	20	7	and	and	CCONJ
hij-1183	20	8	estimation	estimation	NOUN
hij-1183	20	9	of	of	ADP
hij-1183	20	10	position	position	NOUN
hij-1183	20	11	-	-	PUNCT
hij-1183	20	12	dependent	dependent	ADJ
hij-1183	20	13	signal	signal	NOUN
hij-1183	20	14	parameters	parameter	NOUN
hij-1183	20	15	,	,	PUNCT
hij-1183	20	16	such	such	ADJ
hij-1183	20	17	as	as	ADP
hij-1183	20	18	received	receive	VERB
hij-1183	20	19	signal	signal	NOUN
hij-1183	20	20	strength	strength	NOUN
hij-1183	20	21	(	(	PUNCT
hij-1183	20	22	rss	rss	PROPN
hij-1183	20	23	)	)	PUNCT
hij-1183	20	24	,	,	PUNCT
hij-1183	20	25	from	from	ADP
hij-1183	20	26	multiple	multiple	ADJ
hij-1183	20	27	spatially	spatially	ADV
hij-1183	20	28	placed	place	VERB
hij-1183	20	29	wireless	wireless	ADJ
hij-1183	20	30	access	access	NOUN
hij-1183	20	31	points	point	NOUN
hij-1183	20	32	(	(	PUNCT
hij-1183	20	33	aps	ap	NOUN
hij-1183	20	34	)	)	PUNCT
hij-1183	20	35	at	at	ADP
hij-1183	20	36	several	several	ADJ
hij-1183	20	37	reference	reference	NOUN
hij-1183	20	38	locations	location	NOUN
hij-1183	20	39	(	(	PUNCT
hij-1183	20	40	rls	rls	PROPN
hij-1183	20	41	)	)	PUNCT
hij-1183	21	1	[	[	X
hij-1183	21	2	1	1	NUM
hij-1183	21	3	]	]	PUNCT
hij-1183	21	4	.	.	PUNCT
hij-1183	22	1	next	next	ADJ
hij-1183	22	2	,	,	PUNCT
hij-1183	22	3	fingerprint	fingerprint	NOUN
hij-1183	22	4	vectors	vector	NOUN
hij-1183	22	5	are	be	AUX
hij-1183	22	6	generated	generate	VERB
hij-1183	22	7	,	,	PUNCT
hij-1183	22	8	which	which	PRON
hij-1183	22	9	consist	consist	VERB
hij-1183	22	10	of	of	ADP
hij-1183	22	11	all	all	DET
hij-1183	22	12	rss	rss	NOUN
hij-1183	22	13	measurements	measurement	NOUN
hij-1183	22	14	collected	collect	VERB
hij-1183	22	15	at	at	ADP
hij-1183	22	16	each	each	DET
hij-1183	22	17	rl	rl	NOUN
hij-1183	22	18	.	.	PUNCT
hij-1183	23	1	finally	finally	ADV
hij-1183	23	2	,	,	PUNCT
hij-1183	23	3	these	these	DET
hij-1183	23	4	fingerprint	fingerprint	NOUN
hij-1183	23	5	vectors	vector	NOUN
hij-1183	23	6	are	be	AUX
hij-1183	23	7	stored	store	VERB
hij-1183	23	8	in	in	ADP
hij-1183	23	9	a	a	DET
hij-1183	23	10	database	database	NOUN
hij-1183	23	11	,	,	PUNCT
hij-1183	23	12	commonly	commonly	ADV
hij-1183	23	13	referred	refer	VERB
hij-1183	23	14	to	to	ADP
hij-1183	23	15	as	as	ADP
hij-1183	23	16	the	the	DET
hij-1183	23	17	fingerprint	fingerprint	NOUN
hij-1183	23	18	database	database	NOUN
hij-1183	23	19	or	or	CCONJ
hij-1183	23	20	radio	radio	NOUN
hij-1183	23	21	map	map	NOUN
hij-1183	23	22	,	,	PUNCT
hij-1183	23	23	and	and	CCONJ
hij-1183	23	24	mapped	map	VERB
hij-1183	23	25	to	to	ADP
hij-1183	23	26	their	their	PRON
hij-1183	23	27	corresponding	correspond	VERB
hij-1183	23	28	rls	rl	NOUN
hij-1183	24	1	[	[	X
hij-1183	24	2	1	1	NUM
hij-1183	24	3	]	]	PUNCT
hij-1183	24	4	.	.	PUNCT
hij-1183	25	1	in	in	ADP
hij-1183	25	2	the	the	DET
hij-1183	25	3	second	second	ADJ
hij-1183	25	4	*	*	PUNCT
hij-1183	25	5	corresponding	correspond	VERB
hij-1183	25	6	author	author	NOUN
hij-1183	25	7	:	:	PUNCT
hij-1183	25	8	abdulmalik.yaro@uhk.cz	abdulmalik.yaro@uhk.cz	PROPN
hij-1183	25	9	http://dx.doi.org/10.28991/hij-2025-06-01-022	http://dx.doi.org/10.28991/hij-2025-06-01-022	PROPN
hij-1183	25	10			VERB
hij-1183	25	11	this	this	PRON
hij-1183	25	12	is	be	AUX
hij-1183	25	13	an	an	DET
hij-1183	25	14	open	open	ADJ
hij-1183	25	15	access	access	NOUN
hij-1183	25	16	article	article	NOUN
hij-1183	25	17	under	under	ADP
hij-1183	25	18	the	the	DET
hij-1183	25	19	cc	cc	NOUN
hij-1183	25	20	-	-	PUNCT
hij-1183	25	21	by	by	ADJ
hij-1183	25	22	license	license	NOUN
hij-1183	25	23	(	(	PUNCT
hij-1183	25	24	https://creativecommons.org/licenses/by/4.0/	https://creativecommons.org/licenses/by/4.0/	PROPN
hij-1183	25	25	)	)	PUNCT
hij-1183	25	26	.	.	PUNCT
hij-1183	26	1	©	©	PROPN
hij-1183	26	2	authors	author	NOUN
hij-1183	26	3	retain	retain	VERB
hij-1183	26	4	all	all	DET
hij-1183	26	5	copyrights	copyright	NOUN
hij-1183	26	6	.	.	PUNCT
hij-1183	27	1	https://creativecommons.org/licenses/by/4.0/	https://creativecommons.org/licenses/by/4.0/	PROPN
hij-1183	27	2	https://orcid.org/0000-0002-2513-6639	https://orcid.org/0000-0002-2513-6639	PROPN
hij-1183	27	3	https://orcid.org/0000-0001-9770-8301	https://orcid.org/0000-0001-9770-8301	PROPN
hij-1183	27	4	https://orcid.org/0000-0001-9160-5758	https://orcid.org/0000-0001-9160-5758	PROPN
hij-1183	27	5	hightech	hightech	NOUN
hij-1183	27	6	and	and	CCONJ
hij-1183	27	7	innovation	innovation	NOUN
hij-1183	27	8	journal	journal	PROPN
hij-1183	27	9	vol	vol	NOUN
hij-1183	27	10	.	.	PROPN
hij-1183	27	11	6	6	NUM
hij-1183	27	12	,	,	PUNCT
hij-1183	27	13	no	no	INTJ
hij-1183	27	14	.	.	NOUN
hij-1183	27	15	1	1	NUM
hij-1183	27	16	,	,	PUNCT
hij-1183	27	17	march	march	NOUN
hij-1183	27	18	,	,	PUNCT
hij-1183	27	19	2025	2025	NUM
hij-1183	27	20	353	353	NUM
hij-1183	27	21	phase	phase	NOUN
hij-1183	27	22	,	,	PUNCT
hij-1183	27	23	the	the	DET
hij-1183	27	24	online	online	ADJ
hij-1183	27	25	phase	phase	NOUN
hij-1183	27	26	,	,	PUNCT
hij-1183	27	27	the	the	DET
hij-1183	27	28	system	system	NOUN
hij-1183	27	29	estimates	estimate	VERB
hij-1183	27	30	or	or	CCONJ
hij-1183	27	31	predicts	predict	VERB
hij-1183	27	32	the	the	DET
hij-1183	27	33	location	location	NOUN
hij-1183	27	34	of	of	ADP
hij-1183	27	35	an	an	DET
hij-1183	27	36	unknown	unknown	ADJ
hij-1183	27	37	indoor	indoor	ADJ
hij-1183	27	38	target	target	NOUN
hij-1183	27	39	using	use	VERB
hij-1183	27	40	the	the	DET
hij-1183	27	41	fingerprint	fingerprint	NOUN
hij-1183	27	42	vector	vector	NOUN
hij-1183	27	43	generated	generate	VERB
hij-1183	27	44	at	at	ADP
hij-1183	27	45	the	the	DET
hij-1183	27	46	target	target	NOUN
hij-1183	27	47	's	's	PART
hij-1183	27	48	location	location	NOUN
hij-1183	27	49	[	[	X
hij-1183	27	50	4	4	NUM
hij-1183	27	51	]	]	PUNCT
hij-1183	27	52	.	.	PUNCT
hij-1183	28	1	this	this	PRON
hij-1183	28	2	is	be	AUX
hij-1183	28	3	achieved	achieve	VERB
hij-1183	28	4	by	by	ADP
hij-1183	28	5	searching	search	VERB
hij-1183	28	6	the	the	DET
hij-1183	28	7	fingerprint	fingerprint	NOUN
hij-1183	28	8	database	database	NOUN
hij-1183	28	9	with	with	ADP
hij-1183	28	10	a	a	DET
hij-1183	28	11	localization	localization	NOUN
hij-1183	28	12	matching	matching	NOUN
hij-1183	28	13	algorithm	algorithm	NOUN
hij-1183	28	14	,	,	PUNCT
hij-1183	28	15	such	such	ADJ
hij-1183	28	16	as	as	ADP
hij-1183	28	17	the	the	DET
hij-1183	28	18	k	k	NOUN
hij-1183	28	19	-	-	PUNCT
hij-1183	28	20	nearest	near	ADJ
hij-1183	28	21	neighbors	neighbor	NOUN
hij-1183	28	22	(	(	PUNCT
hij-1183	28	23	k	k	X
hij-1183	28	24	-	-	PUNCT
hij-1183	28	25	nn	nn	ADJ
hij-1183	28	26	)	)	PUNCT
hij-1183	28	27	algorithm	algorithm	NOUN
hij-1183	28	28	[	[	X
hij-1183	28	29	5	5	NUM
hij-1183	28	30	]	]	PUNCT
hij-1183	28	31	,	,	PUNCT
hij-1183	28	32	to	to	PART
hij-1183	28	33	identify	identify	VERB
hij-1183	28	34	the	the	DET
hij-1183	28	35	rl	rl	NOUN
hij-1183	28	36	whose	whose	DET
hij-1183	28	37	fingerprint	fingerprint	NOUN
hij-1183	28	38	vector	vector	NOUN
hij-1183	28	39	has	have	VERB
hij-1183	28	40	the	the	DET
hij-1183	28	41	highest	high	ADJ
hij-1183	28	42	similarity	similarity	NOUN
hij-1183	28	43	to	to	ADP
hij-1183	28	44	the	the	DET
hij-1183	28	45	fingerprint	fingerprint	NOUN
hij-1183	28	46	vector	vector	NOUN
hij-1183	28	47	obtained	obtain	VERB
hij-1183	28	48	at	at	ADP
hij-1183	28	49	the	the	DET
hij-1183	28	50	unknown	unknown	ADJ
hij-1183	28	51	target	target	NOUN
hij-1183	28	52	’s	’s	PART
hij-1183	28	53	location	location	NOUN
hij-1183	28	54	.	.	PUNCT
hij-1183	29	1	the	the	DET
hij-1183	29	2	rl	rl	NOUN
hij-1183	29	3	of	of	ADP
hij-1183	29	4	this	this	DET
hij-1183	29	5	fingerprint	fingerprint	NOUN
hij-1183	29	6	vector	vector	NOUN
hij-1183	29	7	is	be	AUX
hij-1183	29	8	considered	consider	VERB
hij-1183	29	9	the	the	DET
hij-1183	29	10	estimated	estimate	VERB
hij-1183	29	11	location	location	NOUN
hij-1183	29	12	of	of	ADP
hij-1183	29	13	the	the	DET
hij-1183	29	14	unknown	unknown	ADJ
hij-1183	29	15	indoor	indoor	ADJ
hij-1183	29	16	target	target	NOUN
hij-1183	29	17	.	.	PUNCT
hij-1183	30	1	the	the	DET
hij-1183	30	2	density	density	NOUN
hij-1183	30	3	of	of	ADP
hij-1183	30	4	the	the	DET
hij-1183	30	5	fingerprint	fingerprint	NOUN
hij-1183	30	6	database	database	NOUN
hij-1183	30	7	created	create	VERB
hij-1183	30	8	at	at	ADP
hij-1183	30	9	the	the	DET
hij-1183	30	10	offline	offline	ADJ
hij-1183	30	11	phase	phase	NOUN
hij-1183	30	12	of	of	ADP
hij-1183	30	13	the	the	DET
hij-1183	30	14	localisation	localisation	NOUN
hij-1183	30	15	process	process	NOUN
hij-1183	30	16	has	have	VERB
hij-1183	30	17	a	a	DET
hij-1183	30	18	significant	significant	ADJ
hij-1183	30	19	impact	impact	NOUN
hij-1183	30	20	on	on	ADP
hij-1183	30	21	the	the	DET
hij-1183	30	22	accuracy	accuracy	NOUN
hij-1183	30	23	with	with	ADP
hij-1183	30	24	which	which	PRON
hij-1183	30	25	the	the	DET
hij-1183	30	26	location	location	NOUN
hij-1183	30	27	of	of	ADP
hij-1183	30	28	targets	target	NOUN
hij-1183	30	29	is	be	AUX
hij-1183	30	30	determined	determine	VERB
hij-1183	30	31	in	in	ADP
hij-1183	30	32	the	the	DET
hij-1183	30	33	online	online	ADJ
hij-1183	30	34	phase	phase	NOUN
hij-1183	30	35	[	[	X
hij-1183	30	36	6	6	NUM
hij-1183	30	37	,	,	PUNCT
hij-1183	30	38	7	7	NUM
hij-1183	30	39	]	]	PUNCT
hij-1183	30	40	.	.	PUNCT
hij-1183	31	1	the	the	PRON
hij-1183	31	2	higher	high	ADJ
hij-1183	31	3	the	the	DET
hij-1183	31	4	density	density	NOUN
hij-1183	31	5	,	,	PUNCT
hij-1183	31	6	i.e.	i.e.	X
hij-1183	31	7	,	,	PUNCT
hij-1183	31	8	the	the	DET
hij-1183	31	9	more	more	ADJ
hij-1183	31	10	rls	rl	NOUN
hij-1183	31	11	are	be	AUX
hij-1183	31	12	used	use	VERB
hij-1183	31	13	in	in	ADP
hij-1183	31	14	generating	generate	VERB
hij-1183	31	15	the	the	DET
hij-1183	31	16	fingerprint	fingerprint	NOUN
hij-1183	31	17	database	database	NOUN
hij-1183	31	18	,	,	PUNCT
hij-1183	31	19	the	the	PRON
hij-1183	31	20	greater	great	ADJ
hij-1183	31	21	the	the	DET
hij-1183	31	22	localisation	localisation	NOUN
hij-1183	31	23	accuracy	accuracy	NOUN
hij-1183	31	24	.	.	PUNCT
hij-1183	32	1	however	however	ADV
hij-1183	32	2	,	,	PUNCT
hij-1183	32	3	this	this	PRON
hij-1183	32	4	increases	increase	VERB
hij-1183	32	5	the	the	DET
hij-1183	32	6	localization	localization	NOUN
hij-1183	32	7	computation	computation	NOUN
hij-1183	32	8	time	time	NOUN
hij-1183	32	9	,	,	PUNCT
hij-1183	32	10	as	as	SCONJ
hij-1183	32	11	the	the	DET
hij-1183	32	12	matching	matching	NOUN
hij-1183	32	13	algorithm	algorithm	NOUN
hij-1183	32	14	requires	require	VERB
hij-1183	32	15	more	more	ADJ
hij-1183	32	16	time	time	NOUN
hij-1183	32	17	to	to	PART
hij-1183	32	18	search	search	VERB
hij-1183	32	19	through	through	ADP
hij-1183	32	20	the	the	DET
hij-1183	32	21	fingerprint	fingerprint	NOUN
hij-1183	32	22	database	database	NOUN
hij-1183	32	23	to	to	PART
hij-1183	32	24	identify	identify	VERB
hij-1183	32	25	the	the	DET
hij-1183	32	26	fingerprint	fingerprint	NOUN
hij-1183	32	27	vector	vector	NOUN
hij-1183	32	28	with	with	ADP
hij-1183	32	29	the	the	DET
hij-1183	32	30	highest	high	ADJ
hij-1183	32	31	similarity	similarity	NOUN
hij-1183	32	32	.	.	PUNCT
hij-1183	33	1	to	to	PART
hij-1183	33	2	solve	solve	VERB
hij-1183	33	3	this	this	DET
hij-1183	33	4	trade	trade	NOUN
hij-1183	33	5	-	-	PUNCT
hij-1183	33	6	off	off	NOUN
hij-1183	33	7	,	,	PUNCT
hij-1183	33	8	clustering	cluster	VERB
hij-1183	33	9	algorithms	algorithm	NOUN
hij-1183	33	10	are	be	AUX
hij-1183	33	11	used	use	VERB
hij-1183	33	12	to	to	PART
hij-1183	33	13	partition	partition	VERB
hij-1183	33	14	the	the	DET
hij-1183	33	15	fingerprint	fingerprint	NOUN
hij-1183	33	16	database	database	NOUN
hij-1183	34	1	[	[	X
hij-1183	34	2	8	8	NUM
hij-1183	34	3	]	]	PUNCT
hij-1183	34	4	.	.	PUNCT
hij-1183	35	1	the	the	DET
hij-1183	35	2	accuracy	accuracy	NOUN
hij-1183	35	3	of	of	ADP
hij-1183	35	4	the	the	DET
hij-1183	35	5	clustering	clustering	ADJ
hij-1183	35	6	process	process	NOUN
hij-1183	35	7	is	be	AUX
hij-1183	35	8	critical	critical	ADJ
hij-1183	35	9	for	for	ADP
hij-1183	35	10	improving	improve	VERB
hij-1183	35	11	the	the	DET
hij-1183	35	12	localization	localization	NOUN
hij-1183	35	13	accuracy	accuracy	NOUN
hij-1183	35	14	of	of	ADP
hij-1183	35	15	the	the	DET
hij-1183	35	16	system	system	NOUN
hij-1183	35	17	.	.	PUNCT
hij-1183	36	1	among	among	ADP
hij-1183	36	2	the	the	DET
hij-1183	36	3	various	various	ADJ
hij-1183	36	4	clustering	clustering	ADJ
hij-1183	36	5	algorithms	algorithm	NOUN
hij-1183	36	6	,	,	PUNCT
hij-1183	36	7	the	the	DET
hij-1183	36	8	density	density	NOUN
hij-1183	36	9	-	-	PUNCT
hij-1183	36	10	based	base	VERB
hij-1183	36	11	spatial	spatial	ADJ
hij-1183	36	12	clustering	clustering	NOUN
hij-1183	36	13	of	of	ADP
hij-1183	36	14	applications	application	NOUN
hij-1183	36	15	with	with	ADP
hij-1183	36	16	noise	noise	NOUN
hij-1183	36	17	(	(	PUNCT
hij-1183	36	18	dbscan	dbscan	NOUN
hij-1183	36	19	)	)	PUNCT
hij-1183	36	20	algorithm	algorithm	NOUN
hij-1183	36	21	is	be	AUX
hij-1183	36	22	preferred	prefer	VERB
hij-1183	36	23	due	due	ADP
hij-1183	36	24	to	to	ADP
hij-1183	36	25	its	its	PRON
hij-1183	36	26	ability	ability	NOUN
hij-1183	36	27	to	to	PART
hij-1183	36	28	handle	handle	VERB
hij-1183	36	29	noise	noise	NOUN
hij-1183	36	30	and	and	CCONJ
hij-1183	36	31	discover	discover	VERB
hij-1183	36	32	arbitrary	arbitrary	ADJ
hij-1183	36	33	cluster	cluster	NOUN
hij-1183	36	34	shapes	shape	NOUN
hij-1183	36	35	[	[	X
hij-1183	36	36	7	7	NUM
hij-1183	36	37	]	]	PUNCT
hij-1183	36	38	.	.	PUNCT
hij-1183	37	1	however	however	ADV
hij-1183	37	2	,	,	PUNCT
hij-1183	37	3	the	the	DET
hij-1183	37	4	standard	standard	ADJ
hij-1183	37	5	dbscan	dbscan	NOUN
hij-1183	37	6	(	(	PUNCT
hij-1183	37	7	s	s	NOUN
hij-1183	37	8	-	-	PUNCT
hij-1183	37	9	dbscan	dbscan	NOUN
hij-1183	37	10	)	)	PUNCT
hij-1183	37	11	algorithm	algorithm	NOUN
hij-1183	37	12	has	have	VERB
hij-1183	37	13	several	several	ADJ
hij-1183	37	14	limitations	limitation	NOUN
hij-1183	37	15	,	,	PUNCT
hij-1183	37	16	one	one	NUM
hij-1183	37	17	of	of	ADP
hij-1183	37	18	which	which	PRON
hij-1183	37	19	is	be	AUX
hij-1183	37	20	its	its	PRON
hij-1183	37	21	high	high	ADJ
hij-1183	37	22	computational	computational	ADJ
hij-1183	37	23	cost	cost	NOUN
hij-1183	37	24	,	,	PUNCT
hij-1183	37	25	which	which	PRON
hij-1183	37	26	can	can	AUX
hij-1183	37	27	hinder	hinder	VERB
hij-1183	37	28	its	its	PRON
hij-1183	37	29	performance	performance	NOUN
hij-1183	37	30	in	in	ADP
hij-1183	37	31	large	large	ADJ
hij-1183	37	32	-	-	PUNCT
hij-1183	37	33	scale	scale	NOUN
hij-1183	37	34	or	or	CCONJ
hij-1183	37	35	irregularly	irregularly	ADV
hij-1183	37	36	structured	structured	ADJ
hij-1183	37	37	fingerprint	fingerprint	NOUN
hij-1183	37	38	databases	database	NOUN
hij-1183	37	39	[	[	X
hij-1183	37	40	9	9	NUM
hij-1183	37	41	,	,	PUNCT
hij-1183	37	42	10	10	NUM
hij-1183	37	43	]	]	PUNCT
hij-1183	37	44	.	.	PUNCT
hij-1183	38	1	several	several	ADJ
hij-1183	38	2	researchers	researcher	NOUN
hij-1183	38	3	have	have	AUX
hij-1183	38	4	proposed	propose	VERB
hij-1183	38	5	different	different	ADJ
hij-1183	38	6	methods	method	NOUN
hij-1183	38	7	to	to	PART
hij-1183	38	8	reduce	reduce	VERB
hij-1183	38	9	the	the	DET
hij-1183	38	10	computational	computational	ADJ
hij-1183	38	11	burden	burden	NOUN
hij-1183	38	12	of	of	ADP
hij-1183	38	13	the	the	DET
hij-1183	38	14	dbscan	dbscan	ADJ
hij-1183	38	15	algorithm	algorithm	NOUN
hij-1183	38	16	while	while	SCONJ
hij-1183	38	17	at	at	ADP
hij-1183	38	18	the	the	DET
hij-1183	38	19	same	same	ADJ
hij-1183	38	20	time	time	NOUN
hij-1183	38	21	ensuring	ensure	VERB
hij-1183	38	22	an	an	DET
hij-1183	38	23	accurate	accurate	ADJ
hij-1183	38	24	clustering	clustering	NOUN
hij-1183	38	25	process	process	NOUN
hij-1183	38	26	[	[	X
hij-1183	38	27	7	7	NUM
hij-1183	38	28	,	,	PUNCT
hij-1183	38	29	9–14	9–14	NOUN
hij-1183	38	30	]	]	PUNCT
hij-1183	38	31	.	.	PUNCT
hij-1183	39	1	these	these	DET
hij-1183	39	2	methods	method	NOUN
hij-1183	39	3	can	can	AUX
hij-1183	39	4	be	be	AUX
hij-1183	39	5	categorised	categorise	VERB
hij-1183	39	6	into	into	ADP
hij-1183	39	7	two	two	NUM
hij-1183	39	8	,	,	PUNCT
hij-1183	39	9	namely	namely	ADV
hij-1183	39	10	,	,	PUNCT
hij-1183	39	11	algorithm	algorithm	NOUN
hij-1183	39	12	modification	modification	NOUN
hij-1183	39	13	and	and	CCONJ
hij-1183	39	14	hybrid	hybrid	ADJ
hij-1183	39	15	pre	pre	ADJ
hij-1183	39	16	-	-	ADJ
hij-1183	39	17	clustering	clustering	ADJ
hij-1183	39	18	methods	method	NOUN
hij-1183	39	19	.	.	PUNCT
hij-1183	40	1	the	the	DET
hij-1183	40	2	algorithm	algorithm	NOUN
hij-1183	40	3	modification	modification	NOUN
hij-1183	40	4	methods	method	NOUN
hij-1183	40	5	focus	focus	VERB
hij-1183	40	6	on	on	ADP
hij-1183	40	7	altering	alter	VERB
hij-1183	40	8	the	the	DET
hij-1183	40	9	dbscan	dbscan	ADJ
hij-1183	40	10	algorithm	algorithm	NOUN
hij-1183	40	11	to	to	PART
hij-1183	40	12	reduce	reduce	VERB
hij-1183	40	13	its	its	PRON
hij-1183	40	14	computational	computational	ADJ
hij-1183	40	15	burden	burden	NOUN
hij-1183	40	16	.	.	PUNCT
hij-1183	41	1	in	in	ADP
hij-1183	41	2	contrast	contrast	NOUN
hij-1183	41	3	,	,	PUNCT
hij-1183	41	4	the	the	DET
hij-1183	41	5	hybrid	hybrid	ADJ
hij-1183	41	6	pre	pre	ADJ
hij-1183	41	7	-	-	ADJ
hij-1183	41	8	clustering	clustering	ADJ
hij-1183	41	9	methods	method	NOUN
hij-1183	41	10	focus	focus	VERB
hij-1183	41	11	on	on	ADP
hij-1183	41	12	using	use	VERB
hij-1183	41	13	other	other	ADJ
hij-1183	41	14	clustering	clustering	ADJ
hij-1183	41	15	algorithms	algorithm	NOUN
hij-1183	41	16	to	to	PART
hij-1183	41	17	perform	perform	VERB
hij-1183	41	18	pre	pre	ADJ
hij-1183	41	19	-	-	ADJ
hij-1183	41	20	clustering	clustering	ADJ
hij-1183	41	21	and	and	CCONJ
hij-1183	41	22	applying	apply	VERB
hij-1183	41	23	the	the	DET
hij-1183	41	24	dbscan	dbscan	ADJ
hij-1183	41	25	algorithm	algorithm	NOUN
hij-1183	41	26	to	to	PART
hij-1183	41	27	refine	refine	VERB
hij-1183	41	28	the	the	DET
hij-1183	41	29	preclusters	precluster	NOUN
hij-1183	41	30	generated	generate	VERB
hij-1183	41	31	[	[	X
hij-1183	41	32	15	15	NUM
hij-1183	41	33	]	]	PUNCT
hij-1183	41	34	.	.	PUNCT
hij-1183	42	1	the	the	DET
hij-1183	42	2	pre	pre	ADJ
hij-1183	42	3	-	-	ADJ
hij-1183	42	4	clustering	clustering	ADJ
hij-1183	42	5	using	use	VERB
hij-1183	42	6	the	the	DET
hij-1183	42	7	auxiliary	auxiliary	ADJ
hij-1183	42	8	algorithms	algorithm	NOUN
hij-1183	42	9	aims	aim	VERB
hij-1183	42	10	to	to	PART
hij-1183	42	11	generate	generate	VERB
hij-1183	42	12	well	well	ADV
hij-1183	42	13	-	-	PUNCT
hij-1183	42	14	structured	structure	VERB
hij-1183	42	15	and	and	CCONJ
hij-1183	42	16	smaller	small	ADJ
hij-1183	42	17	sub	sub	NOUN
hij-1183	42	18	-	-	NOUN
hij-1183	42	19	clusters	cluster	NOUN
hij-1183	42	20	for	for	ADP
hij-1183	42	21	the	the	DET
hij-1183	42	22	dbscan	dbscan	ADJ
hij-1183	42	23	algorithm	algorithm	NOUN
hij-1183	42	24	to	to	PART
hij-1183	42	25	process	process	VERB
hij-1183	42	26	efficiently	efficiently	ADV
hij-1183	42	27	.	.	PUNCT
hij-1183	43	1	to	to	PART
hij-1183	43	2	accelerate	accelerate	VERB
hij-1183	43	3	the	the	DET
hij-1183	43	4	clustering	clustering	ADJ
hij-1183	43	5	process	process	NOUN
hij-1183	43	6	of	of	ADP
hij-1183	43	7	the	the	DET
hij-1183	43	8	dbscan	dbscan	ADJ
hij-1183	43	9	algorithm	algorithm	NOUN
hij-1183	43	10	while	while	SCONJ
hij-1183	43	11	ensuring	ensure	VERB
hij-1183	43	12	accurate	accurate	ADJ
hij-1183	43	13	clustering	clustering	NOUN
hij-1183	43	14	,	,	PUNCT
hij-1183	43	15	this	this	DET
hij-1183	43	16	paper	paper	NOUN
hij-1183	43	17	proposes	propose	VERB
hij-1183	43	18	a	a	DET
hij-1183	43	19	new	new	ADJ
hij-1183	43	20	hybrid	hybrid	ADJ
hij-1183	43	21	pre	pre	ADJ
hij-1183	43	22	-	-	ADJ
hij-1183	43	23	clustering	clustering	ADJ
hij-1183	43	24	method	method	NOUN
hij-1183	43	25	referred	refer	VERB
hij-1183	43	26	to	to	ADP
hij-1183	43	27	as	as	ADP
hij-1183	43	28	the	the	DET
hij-1183	43	29	cap	cap	NOUN
hij-1183	43	30	-	-	PUNCT
hij-1183	43	31	dbscan	dbscan	NOUN
hij-1183	43	32	algorithm	algorithm	NOUN
hij-1183	43	33	.	.	PUNCT
hij-1183	44	1	the	the	DET
hij-1183	44	2	proposed	propose	VERB
hij-1183	44	3	algorithm	algorithm	NOUN
hij-1183	44	4	uses	use	VERB
hij-1183	44	5	the	the	DET
hij-1183	44	6	closest	close	ADJ
hij-1183	44	7	access	access	NOUN
hij-1183	44	8	point	point	NOUN
hij-1183	44	9	(	(	PUNCT
hij-1183	44	10	cap	cap	NOUN
hij-1183	44	11	)	)	PUNCT
hij-1183	44	12	algorithm	algorithm	NOUN
hij-1183	44	13	to	to	PART
hij-1183	44	14	perform	perform	VERB
hij-1183	44	15	preclustering	preclustere	VERB
hij-1183	44	16	with	with	ADP
hij-1183	44	17	the	the	DET
hij-1183	44	18	dbscan	dbscan	ADJ
hij-1183	44	19	algorithm	algorithm	NOUN
hij-1183	44	20	performing	perform	VERB
hij-1183	44	21	cluster	cluster	NOUN
hij-1183	44	22	refinement	refinement	NOUN
hij-1183	44	23	.	.	PUNCT
hij-1183	45	1	the	the	DET
hij-1183	45	2	cap	cap	NOUN
hij-1183	45	3	algorithm	algorithm	NOUN
hij-1183	45	4	is	be	AUX
hij-1183	45	5	a	a	DET
hij-1183	45	6	proximity	proximity	NOUN
hij-1183	45	7	-	-	PUNCT
hij-1183	45	8	based	base	VERB
hij-1183	45	9	clustering	clustering	ADJ
hij-1183	45	10	algorithm	algorithm	NOUN
hij-1183	45	11	that	that	PRON
hij-1183	45	12	groups	group	NOUN
hij-1183	45	13	fingerprint	fingerprint	VERB
hij-1183	45	14	vectors	vector	NOUN
hij-1183	45	15	based	base	VERB
hij-1183	45	16	on	on	ADP
hij-1183	45	17	the	the	DET
hij-1183	45	18	closest	close	ADJ
hij-1183	45	19	wireless	wireless	ADJ
hij-1183	45	20	aps	ap	NOUN
hij-1183	45	21	,	,	PUNCT
hij-1183	45	22	which	which	PRON
hij-1183	45	23	are	be	AUX
hij-1183	45	24	identified	identify	VERB
hij-1183	45	25	by	by	ADP
hij-1183	45	26	the	the	DET
hij-1183	45	27	wireless	wireless	NOUN
hij-1183	45	28	ap	ap	AUX
hij-1183	45	29	having	have	VERB
hij-1183	45	30	the	the	DET
hij-1183	45	31	highest	high	ADJ
hij-1183	45	32	rss	rss	NOUN
hij-1183	45	33	value	value	NOUN
hij-1183	45	34	in	in	ADP
hij-1183	45	35	the	the	DET
hij-1183	45	36	fingerprint	fingerprint	NOUN
hij-1183	45	37	vector	vector	NOUN
hij-1183	45	38	[	[	X
hij-1183	45	39	16	16	NUM
hij-1183	45	40	,	,	PUNCT
hij-1183	45	41	17	17	NUM
hij-1183	45	42	]	]	PUNCT
hij-1183	45	43	.	.	PUNCT
hij-1183	46	1	performing	perform	VERB
hij-1183	46	2	pre	pre	ADJ
hij-1183	46	3	-	-	ADJ
hij-1183	46	4	clustering	clustering	ADJ
hij-1183	46	5	using	use	VERB
hij-1183	46	6	the	the	DET
hij-1183	46	7	cap	cap	NOUN
hij-1183	46	8	algorithm	algorithm	NOUN
hij-1183	46	9	ensures	ensure	VERB
hij-1183	46	10	that	that	SCONJ
hij-1183	46	11	well	well	ADV
hij-1183	46	12	-	-	PUNCT
hij-1183	46	13	structured	structure	VERB
hij-1183	46	14	and	and	CCONJ
hij-1183	46	15	compacted	compact	VERB
hij-1183	46	16	initial	initial	ADJ
hij-1183	46	17	clusters	cluster	NOUN
hij-1183	46	18	are	be	AUX
hij-1183	46	19	generated	generate	VERB
hij-1183	46	20	for	for	SCONJ
hij-1183	46	21	the	the	DET
hij-1183	46	22	dbscan	dbscan	ADJ
hij-1183	46	23	algorithm	algorithm	NOUN
hij-1183	46	24	to	to	PART
hij-1183	46	25	refine	refine	VERB
hij-1183	46	26	.	.	PUNCT
hij-1183	47	1	this	this	PRON
hij-1183	47	2	reduces	reduce	VERB
hij-1183	47	3	the	the	DET
hij-1183	47	4	computational	computational	ADJ
hij-1183	47	5	burden	burden	NOUN
hij-1183	47	6	on	on	ADP
hij-1183	47	7	the	the	DET
hij-1183	47	8	dbscan	dbscan	ADJ
hij-1183	47	9	algorithm	algorithm	NOUN
hij-1183	47	10	and	and	CCONJ
hij-1183	47	11	ensures	ensure	VERB
hij-1183	47	12	robust	robust	ADJ
hij-1183	47	13	clustering	clustering	ADJ
hij-1183	47	14	performance	performance	NOUN
hij-1183	47	15	,	,	PUNCT
hij-1183	47	16	even	even	ADV
hij-1183	47	17	for	for	ADP
hij-1183	47	18	irregularly	irregularly	ADV
hij-1183	47	19	shaped	shape	VERB
hij-1183	47	20	fingerprint	fingerprint	NOUN
hij-1183	47	21	databases	database	NOUN
hij-1183	47	22	.	.	PUNCT
hij-1183	48	1	the	the	DET
hij-1183	48	2	contributions	contribution	NOUN
hij-1183	48	3	of	of	ADP
hij-1183	48	4	this	this	DET
hij-1183	48	5	paper	paper	NOUN
hij-1183	48	6	are	be	AUX
hij-1183	48	7	as	as	SCONJ
hij-1183	48	8	follows	follow	VERB
hij-1183	48	9	:	:	PUNCT
hij-1183	48	10	(	(	PUNCT
hij-1183	48	11	a	a	X
hij-1183	48	12	)	)	PUNCT
hij-1183	48	13	the	the	DET
hij-1183	48	14	development	development	NOUN
hij-1183	48	15	of	of	ADP
hij-1183	48	16	a	a	DET
hij-1183	48	17	clustering	clustering	ADJ
hij-1183	48	18	algorithm	algorithm	NOUN
hij-1183	48	19	that	that	PRON
hij-1183	48	20	integrates	integrate	VERB
hij-1183	48	21	the	the	DET
hij-1183	48	22	cap	cap	NOUN
hij-1183	48	23	algorithm	algorithm	NOUN
hij-1183	48	24	for	for	ADP
hij-1183	48	25	pre	pre	VERB
hij-1183	48	26	-	-	ADJ
hij-1183	48	27	clustering	clustering	ADJ
hij-1183	48	28	with	with	ADP
hij-1183	48	29	the	the	DET
hij-1183	48	30	dbscan	dbscan	ADJ
hij-1183	48	31	algorithm	algorithm	NOUN
hij-1183	48	32	for	for	ADP
hij-1183	48	33	cluster	cluster	NOUN
hij-1183	48	34	refinement	refinement	NOUN
hij-1183	48	35	;	;	PUNCT
hij-1183	48	36	and	and	CCONJ
hij-1183	48	37	(	(	PUNCT
hij-1183	48	38	b	b	X
hij-1183	48	39	)	)	PUNCT
hij-1183	48	40	the	the	DET
hij-1183	48	41	evaluation	evaluation	NOUN
hij-1183	48	42	and	and	CCONJ
hij-1183	48	43	identification	identification	NOUN
hij-1183	48	44	of	of	ADP
hij-1183	48	45	the	the	DET
hij-1183	48	46	optimal	optimal	ADJ
hij-1183	48	47	clustering	clustering	ADJ
hij-1183	48	48	configuration	configuration	NOUN
hij-1183	48	49	for	for	ADP
hij-1183	48	50	the	the	DET
hij-1183	48	51	cap	cap	NOUN
hij-1183	48	52	-	-	PUNCT
hij-1183	48	53	dbscan	dbscan	NOUN
hij-1183	48	54	algorithm	algorithm	NOUN
hij-1183	48	55	.	.	PUNCT
hij-1183	49	1	2	2	X
hij-1183	49	2	.	.	X
hij-1183	49	3	review	review	NOUN
hij-1183	49	4	of	of	ADP
hij-1183	49	5	related	related	ADJ
hij-1183	49	6	works	work	NOUN
hij-1183	49	7	as	as	SCONJ
hij-1183	49	8	previously	previously	ADV
hij-1183	49	9	stated	state	VERB
hij-1183	49	10	,	,	PUNCT
hij-1183	49	11	researchers	researcher	NOUN
hij-1183	49	12	have	have	AUX
hij-1183	49	13	proposed	propose	VERB
hij-1183	49	14	various	various	ADJ
hij-1183	49	15	methods	method	NOUN
hij-1183	49	16	to	to	PART
hij-1183	49	17	reduce	reduce	VERB
hij-1183	49	18	the	the	DET
hij-1183	49	19	computational	computational	ADJ
hij-1183	49	20	burden	burden	NOUN
hij-1183	49	21	of	of	ADP
hij-1183	49	22	the	the	DET
hij-1183	49	23	dbscan	dbscan	PROPN
hij-1183	49	24	algorithm	algorithm	NOUN
hij-1183	49	25	,	,	PUNCT
hij-1183	49	26	either	either	CCONJ
hij-1183	49	27	by	by	ADP
hij-1183	49	28	modifying	modify	VERB
hij-1183	49	29	the	the	DET
hij-1183	49	30	algorithm	algorithm	NOUN
hij-1183	49	31	itself	itself	PRON
hij-1183	49	32	or	or	CCONJ
hij-1183	49	33	by	by	ADP
hij-1183	49	34	hybridizing	hybridize	VERB
hij-1183	49	35	it	it	PRON
hij-1183	49	36	with	with	ADP
hij-1183	49	37	other	other	ADJ
hij-1183	49	38	clustering	clustering	ADJ
hij-1183	49	39	algorithms	algorithm	NOUN
hij-1183	49	40	.	.	PUNCT
hij-1183	50	1	this	this	DET
hij-1183	50	2	section	section	NOUN
hij-1183	50	3	reviews	review	NOUN
hij-1183	50	4	and	and	CCONJ
hij-1183	50	5	presents	present	VERB
hij-1183	50	6	previous	previous	ADJ
hij-1183	50	7	hybridization	hybridization	NOUN
hij-1183	50	8	methods	method	NOUN
hij-1183	50	9	presented	present	VERB
hij-1183	50	10	by	by	ADP
hij-1183	50	11	researchers	researcher	NOUN
hij-1183	50	12	to	to	PART
hij-1183	50	13	reduce	reduce	VERB
hij-1183	50	14	the	the	DET
hij-1183	50	15	computational	computational	ADJ
hij-1183	50	16	burden	burden	NOUN
hij-1183	50	17	,	,	PUNCT
hij-1183	50	18	accelerate	accelerate	VERB
hij-1183	50	19	the	the	DET
hij-1183	50	20	clustering	clustering	ADJ
hij-1183	50	21	process	process	NOUN
hij-1183	50	22	,	,	PUNCT
hij-1183	50	23	and	and	CCONJ
hij-1183	50	24	improve	improve	VERB
hij-1183	50	25	the	the	DET
hij-1183	50	26	clustering	clustering	ADJ
hij-1183	50	27	accuracy	accuracy	NOUN
hij-1183	50	28	of	of	ADP
hij-1183	50	29	the	the	DET
hij-1183	50	30	dbscan	dbscan	PROPN
hij-1183	50	31	algorithm	algorithm	NOUN
hij-1183	50	32	.	.	PUNCT
hij-1183	51	1	thang	thang	PROPN
hij-1183	51	2	et	et	PROPN
hij-1183	51	3	al	al	PROPN
hij-1183	51	4	.	.	PUNCT
hij-1183	52	1	[	[	X
hij-1183	52	2	15	15	NUM
hij-1183	52	3	]	]	PUNCT
hij-1183	52	4	proposed	propose	VERB
hij-1183	52	5	a	a	DET
hij-1183	52	6	method	method	NOUN
hij-1183	52	7	to	to	PART
hij-1183	52	8	accelerate	accelerate	VERB
hij-1183	52	9	the	the	DET
hij-1183	52	10	clustering	clustering	ADJ
hij-1183	52	11	process	process	NOUN
hij-1183	52	12	of	of	ADP
hij-1183	52	13	the	the	DET
hij-1183	52	14	dbscan	dbscan	PROPN
hij-1183	52	15	algorithm	algorithm	NOUN
hij-1183	52	16	,	,	PUNCT
hij-1183	52	17	referred	refer	VERB
hij-1183	52	18	to	to	ADP
hij-1183	52	19	as	as	SCONJ
hij-1183	52	20	fastdbscan	fastdbscan	ADJ
hij-1183	52	21	.	.	PUNCT
hij-1183	53	1	the	the	DET
hij-1183	53	2	fastdbscan	fastdbscan	ADJ
hij-1183	53	3	algorithm	algorithm	NOUN
hij-1183	53	4	groups	group	NOUN
hij-1183	53	5	the	the	DET
hij-1183	53	6	fingerprint	fingerprint	NOUN
hij-1183	53	7	database	database	NOUN
hij-1183	53	8	using	use	VERB
hij-1183	53	9	the	the	DET
hij-1183	53	10	k	k	ADJ
hij-1183	53	11	-	-	PUNCT
hij-1183	53	12	means	means	NOUN
hij-1183	53	13	algorithm	algorithm	NOUN
hij-1183	53	14	,	,	PUNCT
hij-1183	53	15	and	and	CCONJ
hij-1183	53	16	each	each	DET
hij-1183	53	17	group	group	NOUN
hij-1183	53	18	is	be	AUX
hij-1183	53	19	subsequently	subsequently	ADV
hij-1183	53	20	refined	refine	VERB
hij-1183	53	21	using	use	VERB
hij-1183	53	22	the	the	DET
hij-1183	53	23	dbscan	dbscan	ADJ
hij-1183	53	24	algorithm	algorithm	NOUN
hij-1183	53	25	.	.	PUNCT
hij-1183	54	1	while	while	SCONJ
hij-1183	54	2	the	the	DET
hij-1183	54	3	k	k	NOUN
hij-1183	54	4	-	-	PUNCT
hij-1183	54	5	means	means	NOUN
hij-1183	54	6	algorithm	algorithm	NOUN
hij-1183	54	7	is	be	AUX
hij-1183	54	8	effective	effective	ADJ
hij-1183	54	9	for	for	ADP
hij-1183	54	10	clustering	cluster	VERB
hij-1183	54	11	fingerprint	fingerprint	NOUN
hij-1183	54	12	databases	database	NOUN
hij-1183	54	13	with	with	ADP
hij-1183	54	14	spherical	spherical	ADJ
hij-1183	54	15	clusters	cluster	NOUN
hij-1183	54	16	,	,	PUNCT
hij-1183	54	17	its	its	PRON
hij-1183	54	18	performance	performance	NOUN
hij-1183	54	19	degrades	degrade	VERB
hij-1183	54	20	when	when	SCONJ
hij-1183	54	21	applied	apply	VERB
hij-1183	54	22	to	to	ADP
hij-1183	54	23	databases	database	NOUN
hij-1183	54	24	with	with	ADP
hij-1183	54	25	non	non	ADJ
hij-1183	54	26	-	-	ADJ
hij-1183	54	27	spherical	spherical	ADJ
hij-1183	54	28	clusters	cluster	NOUN
hij-1183	54	29	or	or	CCONJ
hij-1183	54	30	irregular	irregular	ADJ
hij-1183	54	31	fingerprint	fingerprint	NOUN
hij-1183	54	32	vector	vector	NOUN
hij-1183	54	33	distributions	distribution	NOUN
hij-1183	54	34	.	.	PUNCT
hij-1183	55	1	additionally	additionally	ADV
hij-1183	55	2	,	,	PUNCT
hij-1183	55	3	the	the	DET
hij-1183	55	4	clustering	clustering	ADJ
hij-1183	55	5	performance	performance	NOUN
hij-1183	55	6	of	of	ADP
hij-1183	55	7	the	the	DET
hij-1183	55	8	k	k	NOUN
hij-1183	55	9	-	-	PUNCT
hij-1183	55	10	means	means	NOUN
hij-1183	55	11	algorithm	algorithm	NOUN
hij-1183	55	12	is	be	AUX
hij-1183	55	13	highly	highly	ADV
hij-1183	55	14	dependent	dependent	ADJ
hij-1183	55	15	on	on	ADP
hij-1183	55	16	the	the	DET
hij-1183	55	17	selection	selection	NOUN
hij-1183	55	18	of	of	ADP
hij-1183	55	19	the	the	DET
hij-1183	55	20	optimal	optimal	ADJ
hij-1183	55	21	number	number	NOUN
hij-1183	55	22	of	of	ADP
hij-1183	55	23	clusters	cluster	NOUN
hij-1183	55	24	to	to	PART
hij-1183	55	25	be	be	AUX
hij-1183	55	26	generated	generate	VERB
hij-1183	55	27	and	and	CCONJ
hij-1183	55	28	fingerprint	fingerprint	NOUN
hij-1183	55	29	vectors	vector	NOUN
hij-1183	55	30	chosen	choose	VERB
hij-1183	55	31	during	during	ADP
hij-1183	55	32	the	the	DET
hij-1183	55	33	centroid	centroid	PROPN
hij-1183	55	34	initialization	initialization	NOUN
hij-1183	55	35	process	process	NOUN
hij-1183	55	36	.	.	PUNCT
hij-1183	56	1	in	in	ADP
hij-1183	56	2	gholizadeh	gholizadeh	NOUN
hij-1183	56	3	et	et	PROPN
hij-1183	56	4	al	al	PROPN
hij-1183	56	5	.	.	PUNCT
hij-1183	57	1	[	[	X
hij-1183	57	2	9	9	NUM
hij-1183	57	3	]	]	PUNCT
hij-1183	57	4	,	,	PUNCT
hij-1183	57	5	the	the	DET
hij-1183	57	6	authors	author	NOUN
hij-1183	57	7	presented	present	VERB
hij-1183	57	8	another	another	DET
hij-1183	57	9	method	method	NOUN
hij-1183	57	10	referred	refer	VERB
hij-1183	57	11	to	to	ADP
hij-1183	57	12	as	as	ADP
hij-1183	57	13	the	the	DET
hij-1183	57	14	k	k	ADJ
hij-1183	57	15	-	-	PUNCT
hij-1183	57	16	dbscan	dbscan	NOUN
hij-1183	57	17	algorithm	algorithm	NOUN
hij-1183	57	18	,	,	PUNCT
hij-1183	57	19	which	which	PRON
hij-1183	57	20	uses	use	VERB
hij-1183	57	21	the	the	DET
hij-1183	57	22	k	k	ADJ
hij-1183	57	23	-	-	PUNCT
hij-1183	57	24	means++	means++	ADJ
hij-1183	57	25	algorithm	algorithm	NOUN
hij-1183	57	26	instead	instead	ADV
hij-1183	57	27	of	of	ADP
hij-1183	57	28	the	the	DET
hij-1183	57	29	k	k	NOUN
hij-1183	57	30	-	-	PUNCT
hij-1183	57	31	means	means	NOUN
hij-1183	57	32	algorithm	algorithm	NOUN
hij-1183	57	33	to	to	PART
hij-1183	57	34	accelerate	accelerate	VERB
hij-1183	57	35	the	the	DET
hij-1183	57	36	clustering	clustering	ADJ
hij-1183	57	37	process	process	NOUN
hij-1183	57	38	of	of	ADP
hij-1183	57	39	the	the	DET
hij-1183	57	40	dbscan	dbscan	PROPN
hij-1183	57	41	algorithm	algorithm	NOUN
hij-1183	57	42	.	.	PUNCT
hij-1183	58	1	in	in	ADP
hij-1183	58	2	this	this	DET
hij-1183	58	3	method	method	NOUN
hij-1183	58	4	,	,	PUNCT
hij-1183	58	5	the	the	DET
hij-1183	58	6	k	k	NOUN
hij-1183	58	7	-	-	PUNCT
hij-1183	58	8	means	means	NOUN
hij-1183	58	9	algorithm	algorithm	NOUN
hij-1183	58	10	is	be	AUX
hij-1183	58	11	replaced	replace	VERB
hij-1183	58	12	by	by	ADP
hij-1183	58	13	the	the	DET
hij-1183	58	14	k	k	PROPN
hij-1183	58	15	-	-	PUNCT
hij-1183	58	16	means++	means++	ADJ
hij-1183	58	17	algorithm	algorithm	NOUN
hij-1183	58	18	,	,	PUNCT
hij-1183	58	19	which	which	PRON
hij-1183	58	20	addresses	address	VERB
hij-1183	58	21	the	the	DET
hij-1183	58	22	poor	poor	ADJ
hij-1183	58	23	initialisation	initialisation	NOUN
hij-1183	58	24	of	of	ADP
hij-1183	58	25	centroids	centroid	NOUN
hij-1183	58	26	in	in	ADP
hij-1183	58	27	the	the	DET
hij-1183	58	28	standard	standard	ADJ
hij-1183	58	29	k	k	ADJ
hij-1183	58	30	-	-	PUNCT
hij-1183	58	31	means	means	NOUN
hij-1183	58	32	algorithm	algorithm	NOUN
hij-1183	58	33	,	,	PUNCT
hij-1183	58	34	resulting	result	VERB
hij-1183	58	35	in	in	ADP
hij-1183	58	36	more	more	ADV
hij-1183	58	37	reliable	reliable	ADJ
hij-1183	58	38	and	and	CCONJ
hij-1183	58	39	efficient	efficient	ADJ
hij-1183	58	40	clustering	clustering	NOUN
hij-1183	58	41	.	.	PUNCT
hij-1183	59	1	nonetheless	nonetheless	ADV
hij-1183	59	2	,	,	PUNCT
hij-1183	59	3	both	both	DET
hij-1183	59	4	k	k	NOUN
hij-1183	59	5	-	-	PUNCT
hij-1183	59	6	means	mean	NOUN
hij-1183	59	7	and	and	CCONJ
hij-1183	59	8	k	k	ADJ
hij-1183	59	9	-	-	PUNCT
hij-1183	59	10	means++	means++	NOUN
hij-1183	59	11	exhibit	exhibit	NOUN
hij-1183	59	12	performance	performance	NOUN
hij-1183	59	13	degradation	degradation	NOUN
hij-1183	59	14	when	when	SCONJ
hij-1183	59	15	handling	handle	VERB
hij-1183	59	16	non	non	ADJ
hij-1183	59	17	-	-	ADJ
hij-1183	59	18	spherical	spherical	ADJ
hij-1183	59	19	clusters	cluster	NOUN
hij-1183	59	20	or	or	CCONJ
hij-1183	59	21	irregular	irregular	ADJ
hij-1183	59	22	fingerprint	fingerprint	NOUN
hij-1183	59	23	vector	vector	NOUN
hij-1183	59	24	distributions	distribution	NOUN
hij-1183	59	25	.	.	PUNCT
hij-1183	60	1	perafan	perafan	NOUN
hij-1183	60	2	-	-	PUNCT
hij-1183	60	3	lopez	lopez	PROPN
hij-1183	60	4	et	et	PROPN
hij-1183	60	5	al	al	PROPN
hij-1183	60	6	.	.	PUNCT
hij-1183	61	1	[	[	X
hij-1183	61	2	13	13	NUM
hij-1183	61	3	]	]	PUNCT
hij-1183	61	4	proposed	propose	VERB
hij-1183	61	5	a	a	DET
hij-1183	61	6	method	method	NOUN
hij-1183	61	7	called	call	VERB
hij-1183	61	8	fa+ga	fa+ga	NOUN
hij-1183	61	9	-	-	NOUN
hij-1183	61	10	dbscan	dbscan	NOUN
hij-1183	61	11	that	that	PRON
hij-1183	61	12	integrates	integrate	VERB
hij-1183	61	13	dimensionality	dimensionality	NOUN
hij-1183	61	14	reduction	reduction	NOUN
hij-1183	61	15	with	with	ADP
hij-1183	61	16	the	the	DET
hij-1183	61	17	dbscan	dbscan	ADJ
hij-1183	61	18	algorithm	algorithm	NOUN
hij-1183	61	19	to	to	PART
hij-1183	61	20	accelerate	accelerate	VERB
hij-1183	61	21	the	the	DET
hij-1183	61	22	clustering	clustering	ADJ
hij-1183	61	23	process	process	NOUN
hij-1183	61	24	.	.	PUNCT
hij-1183	62	1	the	the	DET
hij-1183	62	2	factor	factor	NOUN
hij-1183	62	3	analysis	analysis	NOUN
hij-1183	62	4	(	(	PUNCT
hij-1183	62	5	fa	fa	NOUN
hij-1183	62	6	)	)	PUNCT
hij-1183	62	7	method	method	NOUN
hij-1183	62	8	reduces	reduce	VERB
hij-1183	62	9	the	the	DET
hij-1183	62	10	dimensionality	dimensionality	NOUN
hij-1183	62	11	of	of	ADP
hij-1183	62	12	the	the	DET
hij-1183	62	13	fingerprint	fingerprint	NOUN
hij-1183	62	14	database	database	NOUN
hij-1183	62	15	,	,	PUNCT
hij-1183	62	16	and	and	CCONJ
hij-1183	62	17	then	then	ADV
hij-1183	62	18	the	the	DET
hij-1183	62	19	dbscan	dbscan	PROPN
hij-1183	62	20	algorithm	algorithm	NOUN
hij-1183	62	21	is	be	AUX
hij-1183	62	22	applied	apply	VERB
hij-1183	62	23	to	to	ADP
hij-1183	62	24	the	the	DET
hij-1183	62	25	reduced	reduced	ADJ
hij-1183	62	26	fingerprint	fingerprint	NOUN
hij-1183	62	27	database	database	NOUN
hij-1183	62	28	.	.	PUNCT
hij-1183	63	1	this	this	PRON
hij-1183	63	2	reduces	reduce	VERB
hij-1183	63	3	hightech	hightech	NOUN
hij-1183	63	4	and	and	CCONJ
hij-1183	63	5	innovation	innovation	NOUN
hij-1183	63	6	journal	journal	PROPN
hij-1183	63	7	vol	vol	NOUN
hij-1183	63	8	.	.	PROPN
hij-1183	64	1	6	6	NUM
hij-1183	64	2	,	,	PUNCT
hij-1183	64	3	no	no	INTJ
hij-1183	64	4	.	.	NOUN
hij-1183	64	5	1	1	NUM
hij-1183	64	6	,	,	PUNCT
hij-1183	64	7	march	march	NOUN
hij-1183	64	8	,	,	PUNCT
hij-1183	64	9	2025	2025	NUM
hij-1183	64	10	354	354	NUM
hij-1183	64	11	the	the	DET
hij-1183	64	12	overall	overall	ADJ
hij-1183	64	13	computational	computational	ADJ
hij-1183	64	14	burden	burden	NOUN
hij-1183	64	15	of	of	ADP
hij-1183	64	16	the	the	DET
hij-1183	64	17	dbscan	dbscan	ADJ
hij-1183	64	18	algorithm	algorithm	NOUN
hij-1183	64	19	.	.	PUNCT
hij-1183	65	1	however	however	ADV
hij-1183	65	2	,	,	PUNCT
hij-1183	65	3	the	the	DET
hij-1183	65	4	use	use	NOUN
hij-1183	65	5	of	of	ADP
hij-1183	65	6	the	the	DET
hij-1183	65	7	fa	fa	PROPN
hij-1183	65	8	method	method	NOUN
hij-1183	65	9	may	may	AUX
hij-1183	65	10	lead	lead	VERB
hij-1183	65	11	to	to	ADP
hij-1183	65	12	the	the	DET
hij-1183	65	13	loss	loss	NOUN
hij-1183	65	14	of	of	ADP
hij-1183	65	15	valuable	valuable	ADJ
hij-1183	65	16	information	information	NOUN
hij-1183	65	17	that	that	PRON
hij-1183	65	18	could	could	AUX
hij-1183	65	19	be	be	AUX
hij-1183	65	20	important	important	ADJ
hij-1183	65	21	for	for	ADP
hij-1183	65	22	the	the	DET
hij-1183	65	23	subsequent	subsequent	ADJ
hij-1183	65	24	phase	phase	NOUN
hij-1183	65	25	of	of	ADP
hij-1183	65	26	the	the	DET
hij-1183	65	27	fingerprinting	fingerprinting	NOUN
hij-1183	65	28	-	-	PUNCT
hij-1183	65	29	based	base	VERB
hij-1183	65	30	localization	localization	NOUN
hij-1183	65	31	process	process	NOUN
hij-1183	65	32	,	,	PUNCT
hij-1183	65	33	specifically	specifically	ADV
hij-1183	65	34	the	the	DET
hij-1183	65	35	online	online	ADJ
hij-1183	65	36	phase	phase	NOUN
hij-1183	65	37	.	.	PUNCT
hij-1183	66	1	this	this	DET
hij-1183	66	2	loss	loss	NOUN
hij-1183	66	3	of	of	ADP
hij-1183	66	4	information	information	NOUN
hij-1183	66	5	could	could	AUX
hij-1183	66	6	potentially	potentially	ADV
hij-1183	66	7	degrade	degrade	VERB
hij-1183	66	8	localization	localization	NOUN
hij-1183	66	9	performance	performance	NOUN
hij-1183	66	10	.	.	PUNCT
hij-1183	67	1	another	another	DET
hij-1183	67	2	method	method	NOUN
hij-1183	67	3	,	,	PUNCT
hij-1183	67	4	namely	namely	ADV
hij-1183	67	5	birchscan	birchscan	NOUN
hij-1183	67	6	,	,	PUNCT
hij-1183	67	7	was	be	AUX
hij-1183	67	8	presented	present	VERB
hij-1183	67	9	by	by	ADP
hij-1183	67	10	ventorim	ventorim	PROPN
hij-1183	67	11	et	et	PROPN
hij-1183	67	12	al	al	PROPN
hij-1183	67	13	.	.	PUNCT
hij-1183	68	1	[	[	X
hij-1183	68	2	11	11	NUM
hij-1183	68	3	]	]	PUNCT
hij-1183	68	4	,	,	PUNCT
hij-1183	68	5	which	which	PRON
hij-1183	68	6	uses	use	VERB
hij-1183	68	7	the	the	DET
hij-1183	68	8	balanced	balanced	ADJ
hij-1183	68	9	iterative	iterative	NOUN
hij-1183	68	10	reducing	reduce	VERB
hij-1183	68	11	and	and	CCONJ
hij-1183	68	12	clustering	clustering	ADJ
hij-1183	68	13	using	use	VERB
hij-1183	68	14	hierarchies	hierarchy	NOUN
hij-1183	68	15	(	(	PUNCT
hij-1183	68	16	birch	birch	NOUN
hij-1183	68	17	)	)	PUNCT
hij-1183	68	18	algorithm	algorithm	NOUN
hij-1183	68	19	to	to	ADP
hij-1183	68	20	pre	pre	VERB
hij-1183	68	21	-	-	VERB
hij-1183	68	22	cluster	cluster	VERB
hij-1183	68	23	the	the	DET
hij-1183	68	24	fingerprint	fingerprint	NOUN
hij-1183	68	25	database	database	NOUN
hij-1183	68	26	before	before	ADP
hij-1183	68	27	refining	refining	NOUN
hij-1183	68	28	using	use	VERB
hij-1183	68	29	the	the	DET
hij-1183	68	30	dbscan	dbscan	ADJ
hij-1183	68	31	algorithm	algorithm	NOUN
hij-1183	68	32	.	.	PUNCT
hij-1183	69	1	the	the	DET
hij-1183	69	2	birch	birch	NOUN
hij-1183	69	3	algorithm	algorithm	NOUN
hij-1183	69	4	performs	perform	VERB
hij-1183	69	5	best	good	ADJ
hij-1183	69	6	when	when	SCONJ
hij-1183	69	7	fingerprint	fingerprint	NOUN
hij-1183	69	8	databases	database	NOUN
hij-1183	69	9	have	have	VERB
hij-1183	69	10	clusters	cluster	NOUN
hij-1183	69	11	that	that	PRON
hij-1183	69	12	are	be	AUX
hij-1183	69	13	approximately	approximately	ADV
hij-1183	69	14	spherical	spherical	ADJ
hij-1183	69	15	and	and	CCONJ
hij-1183	69	16	evenly	evenly	ADV
hij-1183	69	17	distributed	distribute	VERB
hij-1183	69	18	.	.	PUNCT
hij-1183	70	1	however	however	ADV
hij-1183	70	2	,	,	PUNCT
hij-1183	70	3	in	in	ADP
hij-1183	70	4	scenarios	scenario	NOUN
hij-1183	70	5	where	where	SCONJ
hij-1183	70	6	a	a	DET
hij-1183	70	7	fingerprint	fingerprint	NOUN
hij-1183	70	8	database	database	NOUN
hij-1183	70	9	contains	contain	VERB
hij-1183	70	10	clusters	cluster	NOUN
hij-1183	70	11	with	with	ADP
hij-1183	70	12	varying	vary	VERB
hij-1183	70	13	shapes	shape	NOUN
hij-1183	70	14	or	or	CCONJ
hij-1183	70	15	densities	density	NOUN
hij-1183	70	16	,	,	PUNCT
hij-1183	70	17	the	the	DET
hij-1183	70	18	birch	birch	NOUN
hij-1183	70	19	algorithm	algorithm	NOUN
hij-1183	70	20	may	may	AUX
hij-1183	70	21	fail	fail	VERB
hij-1183	70	22	to	to	PART
hij-1183	70	23	accurately	accurately	ADV
hij-1183	70	24	capture	capture	VERB
hij-1183	70	25	all	all	DET
hij-1183	70	26	relevant	relevant	ADJ
hij-1183	70	27	subclusters	subcluster	NOUN
hij-1183	70	28	,	,	PUNCT
hij-1183	70	29	leading	lead	VERB
hij-1183	70	30	to	to	ADP
hij-1183	70	31	a	a	DET
hij-1183	70	32	biased	biased	ADJ
hij-1183	70	33	sub	sub	ADJ
hij-1183	70	34	-	-	ADJ
hij-1183	70	35	clustering	clustering	ADJ
hij-1183	70	36	.	.	PUNCT
hij-1183	71	1	this	this	PRON
hij-1183	71	2	will	will	AUX
hij-1183	71	3	negatively	negatively	ADV
hij-1183	71	4	impact	impact	VERB
hij-1183	71	5	the	the	DET
hij-1183	71	6	computational	computational	ADJ
hij-1183	71	7	time	time	NOUN
hij-1183	71	8	of	of	ADP
hij-1183	71	9	the	the	DET
hij-1183	71	10	dbscan	dbscan	NOUN
hij-1183	71	11	algorithm	algorithm	NOUN
hij-1183	71	12	,	,	PUNCT
hij-1183	71	13	as	as	SCONJ
hij-1183	71	14	it	it	PRON
hij-1183	71	15	may	may	AUX
hij-1183	71	16	require	require	VERB
hij-1183	71	17	more	more	ADJ
hij-1183	71	18	time	time	NOUN
hij-1183	71	19	to	to	PART
hij-1183	71	20	process	process	VERB
hij-1183	71	21	the	the	DET
hij-1183	71	22	subclusters	subcluster	NOUN
hij-1183	71	23	.	.	PUNCT
hij-1183	72	1	kumar	kumar	PROPN
hij-1183	72	2	&	&	CCONJ
hij-1183	72	3	reddy	reddy	PROPN
hij-1183	73	1	[	[	X
hij-1183	73	2	10	10	NUM
hij-1183	73	3	]	]	PUNCT
hij-1183	73	4	presented	present	VERB
hij-1183	73	5	a	a	DET
hij-1183	73	6	method	method	NOUN
hij-1183	73	7	called	call	VERB
hij-1183	73	8	the	the	DET
hij-1183	73	9	g	g	NOUN
hij-1183	73	10	-	-	PUNCT
hij-1183	73	11	dbscan	dbscan	NOUN
hij-1183	73	12	algorithm	algorithm	NOUN
hij-1183	73	13	to	to	PART
hij-1183	73	14	accelerate	accelerate	VERB
hij-1183	73	15	the	the	DET
hij-1183	73	16	clustering	clustering	ADJ
hij-1183	73	17	process	process	NOUN
hij-1183	73	18	of	of	ADP
hij-1183	73	19	the	the	DET
hij-1183	73	20	s	s	NOUN
hij-1183	73	21	-	-	PUNCT
hij-1183	73	22	dbscan	dbscan	NOUN
hij-1183	73	23	algorithm	algorithm	NOUN
hij-1183	73	24	.	.	PUNCT
hij-1183	74	1	the	the	DET
hij-1183	74	2	method	method	NOUN
hij-1183	74	3	involves	involve	VERB
hij-1183	74	4	applying	apply	VERB
hij-1183	74	5	grouping	group	VERB
hij-1183	74	6	partition	partition	NOUN
hij-1183	74	7	methods	method	NOUN
hij-1183	74	8	to	to	PART
hij-1183	74	9	identify	identify	VERB
hij-1183	74	10	subclusters	subcluster	NOUN
hij-1183	74	11	using	use	VERB
hij-1183	74	12	nearest	near	ADJ
hij-1183	74	13	neighbors	neighbor	NOUN
hij-1183	74	14	with	with	ADP
hij-1183	74	15	similar	similar	ADJ
hij-1183	74	16	patterns	pattern	NOUN
hij-1183	74	17	in	in	ADP
hij-1183	74	18	a	a	DET
hij-1183	74	19	specific	specific	ADJ
hij-1183	74	20	fingerprint	fingerprint	NOUN
hij-1183	74	21	database	database	NOUN
hij-1183	74	22	.	.	PUNCT
hij-1183	75	1	the	the	DET
hij-1183	75	2	g	g	NOUN
hij-1183	75	3	-	-	PUNCT
hij-1183	75	4	dbscan	dbscan	NOUN
hij-1183	75	5	algorithm	algorithm	NOUN
hij-1183	75	6	has	have	VERB
hij-1183	75	7	several	several	ADJ
hij-1183	75	8	limitations	limitation	NOUN
hij-1183	75	9	,	,	PUNCT
hij-1183	75	10	including	include	VERB
hij-1183	75	11	its	its	PRON
hij-1183	75	12	reliance	reliance	NOUN
hij-1183	75	13	on	on	ADP
hij-1183	75	14	the	the	DET
hij-1183	75	15	order	order	NOUN
hij-1183	75	16	in	in	ADP
hij-1183	75	17	which	which	PRON
hij-1183	75	18	the	the	DET
hij-1183	75	19	patterns	pattern	NOUN
hij-1183	75	20	are	be	AUX
hij-1183	75	21	processed	process	VERB
hij-1183	75	22	,	,	PUNCT
hij-1183	75	23	which	which	PRON
hij-1183	75	24	can	can	AUX
hij-1183	75	25	affect	affect	VERB
hij-1183	75	26	the	the	DET
hij-1183	75	27	clustering	clustering	ADJ
hij-1183	75	28	results	result	NOUN
hij-1183	75	29	.	.	PUNCT
hij-1183	76	1	additionally	additionally	ADV
hij-1183	76	2	,	,	PUNCT
hij-1183	76	3	determining	determine	VERB
hij-1183	76	4	threshold	threshold	NOUN
hij-1183	76	5	distances	distance	NOUN
hij-1183	76	6	between	between	ADP
hij-1183	76	7	clusters	cluster	NOUN
hij-1183	76	8	requires	require	VERB
hij-1183	76	9	scanning	scan	VERB
hij-1183	76	10	the	the	DET
hij-1183	76	11	entire	entire	ADJ
hij-1183	76	12	fingerprint	fingerprint	NOUN
hij-1183	76	13	database	database	NOUN
hij-1183	76	14	.	.	PUNCT
hij-1183	77	1	sridevi	sridevi	PROPN
hij-1183	77	2	&	&	CCONJ
hij-1183	77	3	rajanna	rajanna	PROPN
hij-1183	77	4	[	[	X
hij-1183	77	5	18	18	NUM
hij-1183	77	6	]	]	PUNCT
hij-1183	77	7	proposed	propose	VERB
hij-1183	77	8	the	the	DET
hij-1183	77	9	mbk	mbk	ADJ
hij-1183	77	10	-	-	PUNCT
hij-1183	77	11	dbscan	dbscan	NOUN
hij-1183	77	12	algorithm	algorithm	NOUN
hij-1183	77	13	to	to	PART
hij-1183	77	14	reduce	reduce	VERB
hij-1183	77	15	the	the	DET
hij-1183	77	16	computational	computational	ADJ
hij-1183	77	17	burden	burden	NOUN
hij-1183	77	18	of	of	ADP
hij-1183	77	19	dbscan	dbscan	NOUN
hij-1183	77	20	.	.	PUNCT
hij-1183	78	1	it	it	PRON
hij-1183	78	2	first	first	ADV
hij-1183	78	3	applies	apply	VERB
hij-1183	78	4	the	the	DET
hij-1183	78	5	mini	mini	NOUN
hij-1183	78	6	-	-	NOUN
hij-1183	78	7	batch	batch	ADJ
hij-1183	78	8	k	k	NOUN
hij-1183	78	9	-	-	PUNCT
hij-1183	78	10	means	means	NOUN
hij-1183	78	11	(	(	PUNCT
hij-1183	78	12	mbk	mbk	NOUN
hij-1183	78	13	)	)	PUNCT
hij-1183	78	14	algorithm	algorithm	NOUN
hij-1183	78	15	for	for	ADP
hij-1183	78	16	fast	fast	ADJ
hij-1183	78	17	,	,	PUNCT
hij-1183	78	18	scalable	scalable	ADJ
hij-1183	78	19	clustering	clustering	NOUN
hij-1183	78	20	,	,	PUNCT
hij-1183	78	21	partitioning	partition	VERB
hij-1183	78	22	large	large	ADJ
hij-1183	78	23	datasets	dataset	NOUN
hij-1183	78	24	into	into	ADP
hij-1183	78	25	fixed	fix	VERB
hij-1183	78	26	clusters	cluster	NOUN
hij-1183	78	27	using	use	VERB
hij-1183	78	28	mini	mini	NOUN
hij-1183	78	29	-	-	NOUN
hij-1183	78	30	batches	batch	NOUN
hij-1183	78	31	.	.	PUNCT
hij-1183	79	1	dbscan	dbscan	NOUN
hij-1183	79	2	then	then	ADV
hij-1183	79	3	refines	refine	VERB
hij-1183	79	4	these	these	DET
hij-1183	79	5	clusters	cluster	NOUN
hij-1183	79	6	by	by	ADP
hij-1183	79	7	detecting	detect	VERB
hij-1183	79	8	outliers	outlier	NOUN
hij-1183	79	9	and	and	CCONJ
hij-1183	79	10	improving	improve	VERB
hij-1183	79	11	boundary	boundary	ADJ
hij-1183	79	12	definitions	definition	NOUN
hij-1183	79	13	.	.	PUNCT
hij-1183	80	1	while	while	SCONJ
hij-1183	80	2	mbk	mbk	PROPN
hij-1183	80	3	-	-	PUNCT
hij-1183	80	4	dbscan	dbscan	NOUN
hij-1183	80	5	improves	improve	VERB
hij-1183	80	6	efficiency	efficiency	NOUN
hij-1183	80	7	and	and	CCONJ
hij-1183	80	8	accuracy	accuracy	NOUN
hij-1183	80	9	,	,	PUNCT
hij-1183	80	10	it	it	PRON
hij-1183	80	11	faces	face	VERB
hij-1183	80	12	challenges	challenge	NOUN
hij-1183	80	13	such	such	ADJ
hij-1183	80	14	as	as	ADP
hij-1183	80	15	the	the	DET
hij-1183	80	16	sensitivity	sensitivity	NOUN
hij-1183	80	17	of	of	ADP
hij-1183	80	18	mbk	mbk	PROPN
hij-1183	80	19	to	to	ADP
hij-1183	80	20	centroid	centroid	PROPN
hij-1183	80	21	initialization	initialization	NOUN
hij-1183	80	22	.	.	PUNCT
hij-1183	81	1	cheng	cheng	PROPN
hij-1183	81	2	et	et	PROPN
hij-1183	81	3	al	al	PROPN
hij-1183	81	4	.	.	PUNCT
hij-1183	82	1	[	[	X
hij-1183	82	2	19	19	NUM
hij-1183	82	3	]	]	X
hij-1183	82	4	propose	propose	VERB
hij-1183	82	5	gb	gb	NOUN
hij-1183	82	6	-	-	PUNCT
hij-1183	82	7	dbscan	dbscan	NOUN
hij-1183	82	8	,	,	PUNCT
hij-1183	82	9	a	a	DET
hij-1183	82	10	clustering	clustering	ADJ
hij-1183	82	11	algorithm	algorithm	NOUN
hij-1183	82	12	that	that	PRON
hij-1183	82	13	integrates	integrate	VERB
hij-1183	82	14	granular	granular	ADJ
hij-1183	82	15	-	-	PUNCT
hij-1183	82	16	ball	ball	NOUN
hij-1183	82	17	(	(	PUNCT
hij-1183	82	18	gb	gb	NOUN
hij-1183	82	19	)	)	PUNCT
hij-1183	82	20	representation	representation	NOUN
hij-1183	82	21	with	with	ADP
hij-1183	82	22	dbscan	dbscan	NOUN
hij-1183	82	23	to	to	PART
hij-1183	82	24	improve	improve	VERB
hij-1183	82	25	efficiency	efficiency	NOUN
hij-1183	82	26	.	.	PUNCT
hij-1183	83	1	instead	instead	ADV
hij-1183	83	2	of	of	ADP
hij-1183	83	3	clustering	cluster	VERB
hij-1183	83	4	individual	individual	ADJ
hij-1183	83	5	fingerprint	fingerprint	NOUN
hij-1183	83	6	vectors	vector	NOUN
hij-1183	83	7	,	,	PUNCT
hij-1183	83	8	the	the	DET
hij-1183	83	9	gb	gb	NOUN
hij-1183	83	10	-	-	PUNCT
hij-1183	83	11	dbscan	dbscan	NOUN
hij-1183	83	12	algorithm	algorithm	NOUN
hij-1183	83	13	groups	group	NOUN
hij-1183	83	14	nearby	nearby	ADJ
hij-1183	83	15	fingerprint	fingerprint	NOUN
hij-1183	83	16	vectors	vector	NOUN
hij-1183	83	17	into	into	ADP
hij-1183	83	18	gbs	gbs	PROPN
hij-1183	83	19	using	use	VERB
hij-1183	83	20	k	k	PROPN
hij-1183	83	21	-	-	PUNCT
hij-1183	83	22	nearest	near	ADJ
hij-1183	83	23	neighbors	neighbor	NOUN
hij-1183	83	24	(	(	PUNCT
hij-1183	83	25	knn	knn	PROPN
hij-1183	83	26	)	)	PUNCT
hij-1183	83	27	and	and	CCONJ
hij-1183	83	28	clusters	cluster	VERB
hij-1183	83	29	them	they	PRON
hij-1183	83	30	,	,	PUNCT
hij-1183	83	31	significantly	significantly	ADV
hij-1183	83	32	reducing	reduce	VERB
hij-1183	83	33	computational	computational	ADJ
hij-1183	83	34	cost	cost	NOUN
hij-1183	83	35	.	.	PUNCT
hij-1183	84	1	the	the	DET
hij-1183	84	2	approach	approach	NOUN
hij-1183	84	3	enhances	enhance	VERB
hij-1183	84	4	the	the	DET
hij-1183	84	5	clustering	clustering	ADJ
hij-1183	84	6	time	time	NOUN
hij-1183	84	7	of	of	ADP
hij-1183	84	8	the	the	DET
hij-1183	84	9	dbscan	dbscan	ADJ
hij-1183	84	10	algorithm	algorithm	NOUN
hij-1183	84	11	while	while	SCONJ
hij-1183	84	12	maintaining	maintain	VERB
hij-1183	84	13	accuracy	accuracy	NOUN
hij-1183	84	14	.	.	PUNCT
hij-1183	85	1	however	however	ADV
hij-1183	85	2	,	,	PUNCT
hij-1183	85	3	it	it	PRON
hij-1183	85	4	relies	rely	VERB
hij-1183	85	5	on	on	ADP
hij-1183	85	6	proper	proper	ADJ
hij-1183	85	7	gb	gb	NOUN
hij-1183	85	8	formation	formation	NOUN
hij-1183	85	9	and	and	CCONJ
hij-1183	85	10	may	may	AUX
hij-1183	85	11	struggle	struggle	VERB
hij-1183	85	12	with	with	ADP
hij-1183	85	13	databases	database	NOUN
hij-1183	85	14	where	where	SCONJ
hij-1183	85	15	local	local	ADJ
hij-1183	85	16	density	density	NOUN
hij-1183	85	17	variations	variation	NOUN
hij-1183	85	18	make	make	VERB
hij-1183	85	19	defining	define	VERB
hij-1183	85	20	gbs	gbs	PROPN
hij-1183	85	21	challenging	challenging	NOUN
hij-1183	85	22	.	.	PUNCT
hij-1183	86	1	as	as	SCONJ
hij-1183	86	2	seen	see	VERB
hij-1183	86	3	from	from	ADP
hij-1183	86	4	the	the	DET
hij-1183	86	5	earlier	early	ADJ
hij-1183	86	6	review	review	NOUN
hij-1183	86	7	literature	literature	NOUN
hij-1183	86	8	,	,	PUNCT
hij-1183	86	9	several	several	ADJ
hij-1183	86	10	methods	method	NOUN
hij-1183	86	11	have	have	AUX
hij-1183	86	12	been	be	AUX
hij-1183	86	13	presented	present	VERB
hij-1183	86	14	to	to	PART
hij-1183	86	15	improve	improve	VERB
hij-1183	86	16	the	the	DET
hij-1183	86	17	performance	performance	NOUN
hij-1183	86	18	of	of	ADP
hij-1183	86	19	the	the	DET
hij-1183	86	20	dbscan	dbscan	ADJ
hij-1183	86	21	algorithm	algorithm	NOUN
hij-1183	86	22	by	by	ADP
hij-1183	86	23	addressing	address	VERB
hij-1183	86	24	its	its	PRON
hij-1183	86	25	computational	computational	ADJ
hij-1183	86	26	burden	burden	NOUN
hij-1183	86	27	.	.	PUNCT
hij-1183	87	1	the	the	DET
hij-1183	87	2	fastdbscan	fastdbscan	ADJ
hij-1183	87	3	algorithm	algorithm	PROPN
hij-1183	87	4	uses	use	VERB
hij-1183	87	5	the	the	DET
hij-1183	87	6	k	k	NOUN
hij-1183	87	7	-	-	PUNCT
hij-1183	87	8	means	means	NOUN
hij-1183	87	9	algorithm	algorithm	NOUN
hij-1183	87	10	to	to	PART
hij-1183	87	11	initially	initially	ADV
hij-1183	87	12	group	group	VERB
hij-1183	87	13	the	the	DET
hij-1183	87	14	fingerprint	fingerprint	NOUN
hij-1183	87	15	database	database	NOUN
hij-1183	87	16	,	,	PUNCT
hij-1183	87	17	but	but	CCONJ
hij-1183	87	18	its	its	PRON
hij-1183	87	19	performance	performance	NOUN
hij-1183	87	20	suffers	suffer	VERB
hij-1183	87	21	with	with	ADP
hij-1183	87	22	non	non	ADJ
hij-1183	87	23	-	-	ADJ
hij-1183	87	24	spherical	spherical	ADJ
hij-1183	87	25	and	and	CCONJ
hij-1183	87	26	irregularly	irregularly	ADV
hij-1183	87	27	distributed	distribute	VERB
hij-1183	87	28	clusters	cluster	NOUN
hij-1183	87	29	.	.	PUNCT
hij-1183	88	1	the	the	DET
hij-1183	88	2	k	k	ADJ
hij-1183	88	3	-	-	PUNCT
hij-1183	88	4	dbscan	dbscan	NOUN
hij-1183	88	5	algorithm	algorithm	NOUN
hij-1183	88	6	,	,	PUNCT
hij-1183	88	7	which	which	PRON
hij-1183	88	8	replaces	replace	VERB
hij-1183	88	9	the	the	DET
hij-1183	88	10	k	k	NOUN
hij-1183	88	11	-	-	PUNCT
hij-1183	88	12	means	means	NOUN
hij-1183	88	13	algorithm	algorithm	NOUN
hij-1183	88	14	with	with	ADP
hij-1183	88	15	the	the	DET
hij-1183	88	16	k	k	ADJ
hij-1183	88	17	-	-	PUNCT
hij-1183	88	18	means++	means++	ADJ
hij-1183	88	19	algorithm	algorithm	NOUN
hij-1183	88	20	to	to	PART
hij-1183	88	21	improve	improve	VERB
hij-1183	88	22	fingerprint	fingerprint	NOUN
hij-1183	88	23	vector	vector	NOUN
hij-1183	88	24	centroid	centroid	NOUN
hij-1183	88	25	initialization	initialization	NOUN
hij-1183	88	26	,	,	PUNCT
hij-1183	88	27	also	also	ADV
hij-1183	88	28	struggles	struggle	VERB
hij-1183	88	29	with	with	ADP
hij-1183	88	30	non	non	ADJ
hij-1183	88	31	-	-	ADJ
hij-1183	88	32	spherical	spherical	ADJ
hij-1183	88	33	clusters	cluster	NOUN
hij-1183	88	34	.	.	PUNCT
hij-1183	89	1	the	the	DET
hij-1183	89	2	fa+ga	fa+ga	ADJ
hij-1183	89	3	-	-	ADJ
hij-1183	89	4	dbscan	dbscan	ADJ
hij-1183	89	5	algorithm	algorithm	NOUN
hij-1183	89	6	,	,	PUNCT
hij-1183	89	7	which	which	PRON
hij-1183	89	8	employs	employ	VERB
hij-1183	89	9	dimensionality	dimensionality	NOUN
hij-1183	89	10	reduction	reduction	NOUN
hij-1183	89	11	,	,	PUNCT
hij-1183	89	12	results	result	NOUN
hij-1183	89	13	in	in	ADP
hij-1183	89	14	information	information	NOUN
hij-1183	89	15	loss	loss	NOUN
hij-1183	89	16	,	,	PUNCT
hij-1183	89	17	which	which	PRON
hij-1183	89	18	could	could	AUX
hij-1183	89	19	degrade	degrade	VERB
hij-1183	89	20	performance	performance	NOUN
hij-1183	89	21	in	in	ADP
hij-1183	89	22	the	the	DET
hij-1183	89	23	online	online	ADJ
hij-1183	89	24	phase	phase	NOUN
hij-1183	89	25	.	.	PUNCT
hij-1183	90	1	the	the	DET
hij-1183	90	2	birchscan	birchscan	PROPN
hij-1183	90	3	algorithm	algorithm	NOUN
hij-1183	90	4	that	that	PRON
hij-1183	90	5	performs	performs	AUX
hij-1183	90	6	pre	pre	ADJ
hij-1183	90	7	-	-	ADJ
hij-1183	90	8	clustering	clustering	ADJ
hij-1183	90	9	using	use	VERB
hij-1183	90	10	the	the	DET
hij-1183	90	11	birch	birch	NOUN
hij-1183	90	12	algorithm	algorithm	NOUN
hij-1183	90	13	suffers	suffer	VERB
hij-1183	90	14	degraded	degraded	ADJ
hij-1183	90	15	performance	performance	NOUN
hij-1183	90	16	when	when	SCONJ
hij-1183	90	17	applied	apply	VERB
hij-1183	90	18	to	to	ADP
hij-1183	90	19	a	a	DET
hij-1183	90	20	fingerprint	fingerprint	NOUN
hij-1183	90	21	database	database	NOUN
hij-1183	90	22	with	with	ADP
hij-1183	90	23	varying	vary	VERB
hij-1183	90	24	cluster	cluster	NOUN
hij-1183	90	25	shapes	shape	NOUN
hij-1183	90	26	and	and	CCONJ
hij-1183	90	27	density	density	NOUN
hij-1183	90	28	,	,	PUNCT
hij-1183	90	29	leading	lead	VERB
hij-1183	90	30	to	to	ADP
hij-1183	90	31	biased	biased	ADJ
hij-1183	90	32	subclustering	subclustering	NOUN
hij-1183	90	33	and	and	CCONJ
hij-1183	90	34	increased	increase	VERB
hij-1183	90	35	dbscan	dbscan	ADJ
hij-1183	90	36	algorithm	algorithm	NOUN
hij-1183	90	37	clustering	clustering	NOUN
hij-1183	90	38	time	time	NOUN
hij-1183	90	39	.	.	PUNCT
hij-1183	91	1	the	the	DET
hij-1183	91	2	g	g	NOUN
hij-1183	91	3	-	-	PUNCT
hij-1183	91	4	dbscan	dbscan	NOUN
hij-1183	91	5	algorithm	algorithm	NOUN
hij-1183	91	6	,	,	PUNCT
hij-1183	91	7	which	which	PRON
hij-1183	91	8	uses	use	VERB
hij-1183	91	9	pattern	pattern	NOUN
hij-1183	91	10	-	-	PUNCT
hij-1183	91	11	based	base	VERB
hij-1183	91	12	grouping	grouping	NOUN
hij-1183	91	13	to	to	PART
hij-1183	91	14	create	create	VERB
hij-1183	91	15	subclusters	subcluster	NOUN
hij-1183	91	16	,	,	PUNCT
hij-1183	91	17	suffers	suffer	VERB
hij-1183	91	18	from	from	ADP
hij-1183	91	19	dependence	dependence	NOUN
hij-1183	91	20	on	on	ADP
hij-1183	91	21	fingerprint	fingerprint	NOUN
hij-1183	91	22	vector	vector	NOUN
hij-1183	91	23	pattern	pattern	NOUN
hij-1183	91	24	processing	processing	NOUN
hij-1183	91	25	order	order	NOUN
hij-1183	91	26	and	and	CCONJ
hij-1183	91	27	challenges	challenge	NOUN
hij-1183	91	28	in	in	ADP
hij-1183	91	29	determining	determine	VERB
hij-1183	91	30	threshold	threshold	NOUN
hij-1183	91	31	distances	distance	NOUN
hij-1183	91	32	between	between	ADP
hij-1183	91	33	subclusters	subcluster	NOUN
hij-1183	91	34	.	.	PUNCT
hij-1183	92	1	similarly	similarly	ADV
hij-1183	92	2	,	,	PUNCT
hij-1183	92	3	the	the	DET
hij-1183	92	4	mbk	mbk	ADJ
hij-1183	92	5	-	-	PUNCT
hij-1183	92	6	dbscan	dbscan	NOUN
hij-1183	92	7	algorithm	algorithm	NOUN
hij-1183	92	8	,	,	PUNCT
hij-1183	92	9	which	which	PRON
hij-1183	92	10	applies	apply	VERB
hij-1183	92	11	minibatch	minibatch	VERB
hij-1183	92	12	k	k	NOUN
hij-1183	92	13	-	-	PUNCT
hij-1183	92	14	means	means	PROPN
hij-1183	92	15	(	(	PUNCT
hij-1183	92	16	mbk	mbk	NOUN
hij-1183	92	17	)	)	PUNCT
hij-1183	92	18	before	before	SCONJ
hij-1183	92	19	dbscan	dbscan	NOUN
hij-1183	92	20	to	to	PART
hij-1183	92	21	enhance	enhance	VERB
hij-1183	92	22	efficiency	efficiency	NOUN
hij-1183	92	23	,	,	PUNCT
hij-1183	92	24	is	be	AUX
hij-1183	92	25	sensitive	sensitive	ADJ
hij-1183	92	26	to	to	ADP
hij-1183	92	27	mbk	mbk	PROPN
hij-1183	92	28	centroid	centroid	PROPN
hij-1183	92	29	initialization	initialization	PROPN
hij-1183	92	30	,	,	PUNCT
hij-1183	92	31	which	which	PRON
hij-1183	92	32	can	can	AUX
hij-1183	92	33	affect	affect	VERB
hij-1183	92	34	clustering	cluster	VERB
hij-1183	92	35	accuracy	accuracy	NOUN
hij-1183	92	36	.	.	PUNCT
hij-1183	93	1	the	the	DET
hij-1183	93	2	gb	gb	NOUN
hij-1183	93	3	-	-	PUNCT
hij-1183	93	4	dbscan	dbscan	NOUN
hij-1183	93	5	algorithm	algorithm	NOUN
hij-1183	93	6	,	,	PUNCT
hij-1183	93	7	which	which	PRON
hij-1183	93	8	integrates	integrate	VERB
hij-1183	93	9	gb	gb	ADP
hij-1183	93	10	representation	representation	NOUN
hij-1183	93	11	with	with	ADP
hij-1183	93	12	dbscan	dbscan	NOUN
hij-1183	93	13	to	to	PART
hij-1183	93	14	reduce	reduce	VERB
hij-1183	93	15	computational	computational	ADJ
hij-1183	93	16	cost	cost	NOUN
hij-1183	93	17	,	,	PUNCT
hij-1183	93	18	relies	rely	VERB
hij-1183	93	19	on	on	ADP
hij-1183	93	20	proper	proper	ADJ
hij-1183	93	21	gb	gb	NOUN
hij-1183	93	22	formation	formation	NOUN
hij-1183	93	23	and	and	CCONJ
hij-1183	93	24	may	may	AUX
hij-1183	93	25	struggle	struggle	VERB
hij-1183	93	26	with	with	ADP
hij-1183	93	27	databases	database	NOUN
hij-1183	93	28	where	where	SCONJ
hij-1183	93	29	local	local	ADJ
hij-1183	93	30	density	density	NOUN
hij-1183	93	31	variations	variation	NOUN
hij-1183	93	32	make	make	VERB
hij-1183	93	33	defining	define	VERB
hij-1183	93	34	gbs	gbs	PROPN
hij-1183	93	35	challenging	challenging	NOUN
hij-1183	93	36	.	.	PUNCT
hij-1183	94	1	the	the	DET
hij-1183	94	2	cap	cap	NOUN
hij-1183	94	3	algorithm	algorithm	NOUN
hij-1183	94	4	considered	consider	VERB
hij-1183	94	5	in	in	ADP
hij-1183	94	6	this	this	DET
hij-1183	94	7	paper	paper	NOUN
hij-1183	94	8	for	for	ADP
hij-1183	94	9	pre	pre	ADJ
hij-1183	94	10	-	-	ADJ
hij-1183	94	11	clustering	clustering	ADJ
hij-1183	94	12	in	in	ADP
hij-1183	94	13	the	the	DET
hij-1183	94	14	cap	cap	NOUN
hij-1183	94	15	-	-	PUNCT
hij-1183	94	16	dbscan	dbscan	NOUN
hij-1183	94	17	algorithm	algorithm	NOUN
hij-1183	94	18	overcomes	overcome	VERB
hij-1183	94	19	some	some	DET
hij-1183	94	20	limitations	limitation	NOUN
hij-1183	94	21	of	of	ADP
hij-1183	94	22	pre	pre	ADJ
hij-1183	94	23	-	-	ADJ
hij-1183	94	24	clustering	clustering	ADJ
hij-1183	94	25	methods	method	NOUN
hij-1183	94	26	used	use	VERB
hij-1183	94	27	by	by	ADP
hij-1183	94	28	other	other	ADJ
hij-1183	94	29	researchers	researcher	NOUN
hij-1183	94	30	.	.	PUNCT
hij-1183	95	1	it	it	PRON
hij-1183	95	2	is	be	AUX
hij-1183	95	3	robust	robust	ADJ
hij-1183	95	4	in	in	ADP
hij-1183	95	5	handling	handle	VERB
hij-1183	95	6	non	non	ADJ
hij-1183	95	7	-	-	ADJ
hij-1183	95	8	spherical	spherical	ADJ
hij-1183	95	9	clusters	cluster	NOUN
hij-1183	95	10	,	,	PUNCT
hij-1183	95	11	unlike	unlike	ADP
hij-1183	95	12	the	the	DET
hij-1183	95	13	birch	birch	NOUN
hij-1183	95	14	algorithm	algorithm	NOUN
hij-1183	95	15	in	in	ADP
hij-1183	95	16	birchscan	birchscan	PROPN
hij-1183	95	17	,	,	PUNCT
hij-1183	95	18	the	the	DET
hij-1183	95	19	k	k	NOUN
hij-1183	95	20	-	-	PUNCT
hij-1183	95	21	means	means	NOUN
hij-1183	95	22	algorithm	algorithm	NOUN
hij-1183	95	23	in	in	ADP
hij-1183	95	24	fastdbscan	fastdbscan	NOUN
hij-1183	95	25	,	,	PUNCT
hij-1183	95	26	and	and	CCONJ
hij-1183	95	27	the	the	DET
hij-1183	95	28	k	k	ADJ
hij-1183	95	29	-	-	ADJ
hij-1183	95	30	means++	means++	ADJ
hij-1183	95	31	algorithm	algorithm	NOUN
hij-1183	95	32	in	in	ADP
hij-1183	95	33	kdbscan	kdbscan	PROPN
hij-1183	95	34	.	.	PUNCT
hij-1183	96	1	the	the	DET
hij-1183	96	2	cap	cap	NOUN
hij-1183	96	3	algorithm	algorithm	NOUN
hij-1183	96	4	is	be	AUX
hij-1183	96	5	also	also	ADV
hij-1183	96	6	insensitive	insensitive	ADJ
hij-1183	96	7	to	to	PART
hij-1183	96	8	fingerprint	fingerprint	VERB
hij-1183	96	9	vector	vector	NOUN
hij-1183	96	10	pattern	pattern	NOUN
hij-1183	96	11	input	input	NOUN
hij-1183	96	12	order	order	NOUN
hij-1183	96	13	and	and	CCONJ
hij-1183	96	14	threshold	threshold	NOUN
hij-1183	96	15	settings	setting	NOUN
hij-1183	96	16	,	,	PUNCT
hij-1183	96	17	unlike	unlike	ADP
hij-1183	96	18	the	the	DET
hij-1183	96	19	grouping	group	VERB
hij-1183	96	20	partition	partition	NOUN
hij-1183	96	21	method	method	NOUN
hij-1183	96	22	in	in	ADP
hij-1183	96	23	g	g	NOUN
hij-1183	96	24	-	-	PUNCT
hij-1183	96	25	dbscan	dbscan	NOUN
hij-1183	96	26	.	.	PUNCT
hij-1183	97	1	it	it	PRON
hij-1183	97	2	does	do	AUX
hij-1183	97	3	not	not	PART
hij-1183	97	4	cause	cause	VERB
hij-1183	97	5	fingerprint	fingerprint	NOUN
hij-1183	97	6	feature	feature	NOUN
hij-1183	97	7	information	information	NOUN
hij-1183	97	8	loss	loss	NOUN
hij-1183	97	9	due	due	ADP
hij-1183	97	10	to	to	ADP
hij-1183	97	11	dimensionality	dimensionality	NOUN
hij-1183	97	12	reduction	reduction	NOUN
hij-1183	97	13	,	,	PUNCT
hij-1183	97	14	as	as	SCONJ
hij-1183	97	15	seen	see	VERB
hij-1183	97	16	in	in	ADP
hij-1183	97	17	fa+ga	fa+ga	NOUN
hij-1183	97	18	-	-	NOUN
hij-1183	97	19	dbscan	dbscan	NOUN
hij-1183	97	20	,	,	PUNCT
hij-1183	97	21	and	and	CCONJ
hij-1183	97	22	does	do	AUX
hij-1183	97	23	not	not	PART
hij-1183	97	24	rely	rely	VERB
hij-1183	97	25	on	on	ADP
hij-1183	97	26	proper	proper	ADJ
hij-1183	97	27	gb	gb	NOUN
hij-1183	97	28	formation	formation	NOUN
hij-1183	97	29	,	,	PUNCT
hij-1183	97	30	unlike	unlike	ADP
hij-1183	97	31	gbdbscan	gbdbscan	NOUN
hij-1183	97	32	.	.	PUNCT
hij-1183	98	1	3	3	X
hij-1183	98	2	.	.	NUM
hij-1183	98	3	proposed	propose	VERB
hij-1183	98	4	cap	cap	NOUN
hij-1183	98	5	-	-	PUNCT
hij-1183	98	6	dbscan	dbscan	NOUN
hij-1183	98	7	algorithm	algorithm	NOUN
hij-1183	98	8	clustering	cluster	VERB
hij-1183	98	9	methodology	methodology	NOUN
hij-1183	98	10	this	this	DET
hij-1183	98	11	section	section	NOUN
hij-1183	98	12	presents	present	VERB
hij-1183	98	13	the	the	DET
hij-1183	98	14	clustering	clustering	ADJ
hij-1183	98	15	methodology	methodology	NOUN
hij-1183	98	16	for	for	ADP
hij-1183	98	17	the	the	DET
hij-1183	98	18	proposed	propose	VERB
hij-1183	98	19	cap	cap	NOUN
hij-1183	98	20	-	-	PUNCT
hij-1183	98	21	dbscan	dbscan	NOUN
hij-1183	98	22	algorithm	algorithm	NOUN
hij-1183	98	23	.	.	PUNCT
hij-1183	99	1	as	as	SCONJ
hij-1183	99	2	mentioned	mention	VERB
hij-1183	99	3	earlier	early	ADV
hij-1183	99	4	,	,	PUNCT
hij-1183	99	5	the	the	DET
hij-1183	99	6	cap	cap	NOUN
hij-1183	99	7	-	-	PUNCT
hij-1183	99	8	dbscan	dbscan	NOUN
hij-1183	99	9	algorithm	algorithm	NOUN
hij-1183	99	10	integrates	integrate	VERB
hij-1183	99	11	the	the	DET
hij-1183	99	12	cap	cap	NOUN
hij-1183	99	13	algorithm	algorithm	NOUN
hij-1183	99	14	for	for	ADP
hij-1183	99	15	pre	pre	ADJ
hij-1183	99	16	-	-	ADJ
hij-1183	99	17	clustering	clustering	ADJ
hij-1183	99	18	and	and	CCONJ
hij-1183	99	19	the	the	DET
hij-1183	99	20	dbscan	dbscan	ADJ
hij-1183	99	21	algorithm	algorithm	NOUN
hij-1183	99	22	for	for	ADP
hij-1183	99	23	cluster	cluster	NOUN
hij-1183	99	24	refinement	refinement	NOUN
hij-1183	99	25	.	.	PUNCT
hij-1183	100	1	this	this	DET
hij-1183	100	2	approach	approach	NOUN
hij-1183	100	3	aims	aim	VERB
hij-1183	100	4	to	to	PART
hij-1183	100	5	improve	improve	VERB
hij-1183	100	6	clustering	clustering	ADJ
hij-1183	100	7	accuracy	accuracy	NOUN
hij-1183	100	8	and	and	CCONJ
hij-1183	100	9	reduce	reduce	VERB
hij-1183	100	10	the	the	DET
hij-1183	100	11	computational	computational	ADJ
hij-1183	100	12	burden	burden	NOUN
hij-1183	100	13	of	of	ADP
hij-1183	100	14	the	the	DET
hij-1183	100	15	dbscan	dbscan	ADJ
hij-1183	100	16	algorithm	algorithm	NOUN
hij-1183	100	17	.	.	PUNCT
hij-1183	101	1	the	the	DET
hij-1183	101	2	cap	cap	NOUN
hij-1183	101	3	-	-	PUNCT
hij-1183	101	4	dbscan	dbscan	NOUN
hij-1183	101	5	clustering	clustering	NOUN
hij-1183	101	6	process	process	NOUN
hij-1183	101	7	consists	consist	VERB
hij-1183	101	8	of	of	ADP
hij-1183	101	9	two	two	NUM
hij-1183	101	10	stages	stage	NOUN
hij-1183	101	11	,	,	PUNCT
hij-1183	101	12	each	each	PRON
hij-1183	101	13	detailed	detail	VERB
hij-1183	101	14	in	in	ADP
hij-1183	101	15	the	the	DET
hij-1183	101	16	subsections	subsection	NOUN
hij-1183	101	17	below	below	ADV
hij-1183	101	18	,	,	PUNCT
hij-1183	101	19	with	with	ADP
hij-1183	101	20	a	a	DET
hij-1183	101	21	graphical	graphical	ADJ
hij-1183	101	22	illustration	illustration	NOUN
hij-1183	101	23	provided	provide	VERB
hij-1183	101	24	in	in	ADP
hij-1183	101	25	figure	figure	NOUN
hij-1183	101	26	1	1	NUM
hij-1183	101	27	.	.	PUNCT
hij-1183	101	28	hightech	hightech	NOUN
hij-1183	101	29	and	and	CCONJ
hij-1183	101	30	innovation	innovation	NOUN
hij-1183	101	31	journal	journal	PROPN
hij-1183	101	32	vol	vol	NOUN
hij-1183	101	33	.	.	PROPN
hij-1183	102	1	6	6	NUM
hij-1183	102	2	,	,	PUNCT
hij-1183	102	3	no	no	INTJ
hij-1183	102	4	.	.	NOUN
hij-1183	102	5	1	1	NUM
hij-1183	102	6	,	,	PUNCT
hij-1183	102	7	march	march	NOUN
hij-1183	102	8	,	,	PUNCT
hij-1183	102	9	2025	2025	NUM
hij-1183	102	10	355	355	NUM
hij-1183	102	11	figure	figure	NOUN
hij-1183	102	12	1	1	NUM
hij-1183	102	13	.	.	PUNCT
hij-1183	102	14	graphical	graphical	ADJ
hij-1183	102	15	representation	representation	NOUN
hij-1183	102	16	of	of	ADP
hij-1183	102	17	the	the	DET
hij-1183	102	18	cap	cap	NOUN
hij-1183	102	19	-	-	PUNCT
hij-1183	102	20	dbscan	dbscan	NOUN
hij-1183	102	21	clustering	clustering	NOUN
hij-1183	102	22	methodology	methodology	NOUN
hij-1183	102	23	3.1	3.1	NUM
hij-1183	102	24	.	.	PUNCT
hij-1183	103	1	first	first	ADJ
hij-1183	103	2	-	-	PUNCT
hij-1183	103	3	stage	stage	NOUN
hij-1183	103	4	clustering	clustering	NOUN
hij-1183	103	5	process	process	NOUN
hij-1183	103	6	:	:	PUNCT
hij-1183	103	7	generation	generation	NOUN
hij-1183	103	8	of	of	ADP
hij-1183	103	9	initial	initial	ADJ
hij-1183	103	10	clusters	cluster	NOUN
hij-1183	103	11	as	as	SCONJ
hij-1183	103	12	earlier	early	ADV
hij-1183	103	13	mentioned	mention	VERB
hij-1183	103	14	,	,	PUNCT
hij-1183	103	15	the	the	DET
hij-1183	103	16	initial	initial	ADJ
hij-1183	103	17	clusters	cluster	NOUN
hij-1183	103	18	for	for	ADP
hij-1183	103	19	the	the	DET
hij-1183	103	20	proposed	propose	VERB
hij-1183	103	21	cap	cap	NOUN
hij-1183	103	22	-	-	PUNCT
hij-1183	103	23	dbscan	dbscan	NOUN
hij-1183	103	24	algorithm	algorithm	NOUN
hij-1183	103	25	are	be	AUX
hij-1183	103	26	generated	generate	VERB
hij-1183	103	27	using	use	VERB
hij-1183	103	28	the	the	DET
hij-1183	103	29	cap	cap	NOUN
hij-1183	103	30	algorithm	algorithm	NOUN
hij-1183	103	31	.	.	PUNCT
hij-1183	104	1	the	the	DET
hij-1183	104	2	cap	cap	NOUN
hij-1183	104	3	algorithm	algorithm	NOUN
hij-1183	104	4	partitions	partition	VERB
hij-1183	104	5	the	the	DET
hij-1183	104	6	fingerprint	fingerprint	NOUN
hij-1183	104	7	database	database	NOUN
hij-1183	104	8	based	base	VERB
hij-1183	104	9	on	on	ADP
hij-1183	104	10	the	the	DET
hij-1183	104	11	proximity	proximity	NOUN
hij-1183	104	12	to	to	ADP
hij-1183	104	13	the	the	DET
hij-1183	104	14	wireless	wireless	NOUN
hij-1183	104	15	ap	ap	PROPN
hij-1183	104	16	,	,	PUNCT
hij-1183	104	17	which	which	PRON
hij-1183	104	18	is	be	AUX
hij-1183	104	19	identified	identify	VERB
hij-1183	104	20	by	by	ADP
hij-1183	104	21	the	the	DET
hij-1183	104	22	wireless	wireless	NOUN
hij-1183	104	23	ap	ap	PROPN
hij-1183	104	24	with	with	ADP
hij-1183	104	25	the	the	DET
hij-1183	104	26	highest	high	ADJ
hij-1183	104	27	rss	rss	NOUN
hij-1183	104	28	value	value	NOUN
hij-1183	104	29	.	.	PUNCT
hij-1183	105	1	given	give	VERB
hij-1183	105	2	a	a	DET
hij-1183	105	3	fingerprint	fingerprint	NOUN
hij-1183	105	4	database	database	NOUN
hij-1183	105	5	represented	represent	VERB
hij-1183	105	6	as	as	ADP
hij-1183	105	7	f	f	PROPN
hij-1183	105	8	,	,	PUNCT
hij-1183	105	9	containing	contain	VERB
hij-1183	105	10	n	n	CCONJ
hij-1183	105	11	fingerprint	fingerprint	NOUN
hij-1183	105	12	vectors	vector	NOUN
hij-1183	105	13	,	,	PUNCT
hij-1183	105	14	where	where	SCONJ
hij-1183	105	15	each	each	DET
hij-1183	105	16	fingerprint	fingerprint	NOUN
hij-1183	105	17	vector	vector	NOUN
hij-1183	105	18	consists	consist	VERB
hij-1183	105	19	of	of	ADP
hij-1183	105	20	a	a	DET
hij-1183	105	21	set	set	NOUN
hij-1183	105	22	of	of	ADP
hij-1183	105	23	rss	rss	NOUN
hij-1183	105	24	measurements	measurement	NOUN
hij-1183	105	25	from	from	ADP
hij-1183	105	26	m	m	PROPN
hij-1183	105	27	wireless	wireless	ADJ
hij-1183	105	28	aps	ap	NOUN
hij-1183	105	29	,	,	PUNCT
hij-1183	105	30	the	the	DET
hij-1183	105	31	database	database	NOUN
hij-1183	105	32	can	can	AUX
hij-1183	105	33	be	be	AUX
hij-1183	105	34	expressed	express	VERB
hij-1183	105	35	as	as	SCONJ
hij-1183	105	36	shown	show	VERB
hij-1183	105	37	in	in	ADP
hij-1183	105	38	equation	equation	NOUN
hij-1183	105	39	1	1	NUM
hij-1183	105	40	:	:	PUNCT
hij-1183	105	41	f	f	X
hij-1183	105	42	=	=	PRON
hij-1183	105	43	{	{	PUNCT
hij-1183	105	44	f1	f1	NOUN
hij-1183	105	45	,	,	PUNCT
hij-1183	105	46	f2	f2	PROPN
hij-1183	105	47	,	,	PUNCT
hij-1183	105	48	f3	f3	ADJ
hij-1183	105	49	,	,	PUNCT
hij-1183	105	50	…	…	PUNCT
hij-1183	105	51	,	,	PUNCT
hij-1183	105	52	f𝑁	f𝑁	NOUN
hij-1183	105	53	}	}	PUNCT
hij-1183	105	54	(	(	PUNCT
hij-1183	105	55	1	1	X
hij-1183	105	56	)	)	PUNCT
hij-1183	105	57	where	where	SCONJ
hij-1183	105	58	:	:	PUNCT
hij-1183	105	59	f𝑖	f𝑖	NOUN
hij-1183	105	60	represents	represent	VERB
hij-1183	105	61	the	the	DET
hij-1183	105	62	i	i	PROPN
hij-1183	105	63	-	-	PUNCT
hij-1183	105	64	th	th	X
hij-1183	105	65	fingerprint	fingerprint	NOUN
hij-1183	105	66	vector	vector	NOUN
hij-1183	105	67	in	in	ADP
hij-1183	105	68	the	the	DET
hij-1183	105	69	database	database	NOUN
hij-1183	105	70	,	,	PUNCT
hij-1183	105	71	for	for	ADP
hij-1183	105	72	𝑖	𝑖	PRON
hij-1183	105	73	=	=	SYM
hij-1183	105	74	1,2	1,2	NUM
hij-1183	105	75	,	,	PUNCT
hij-1183	105	76	…	…	PUNCT
hij-1183	105	77	,	,	PUNCT
hij-1183	105	78	𝑁.	𝑁.	PROPN
hij-1183	105	79	each	each	DET
hij-1183	105	80	fingerprint	fingerprint	NOUN
hij-1183	105	81	vector	vector	NOUN
hij-1183	105	82	f𝑖	f𝑖	NOUN
hij-1183	105	83	contains	contain	VERB
hij-1183	105	84	rss	rss	NOUN
hij-1183	105	85	measurements	measurement	NOUN
hij-1183	105	86	from	from	ADP
hij-1183	105	87	m	m	PROPN
hij-1183	105	88	wireless	wireless	ADJ
hij-1183	105	89	aps	ap	NOUN
hij-1183	105	90	,	,	PUNCT
hij-1183	105	91	given	give	VERB
hij-1183	105	92	by	by	ADP
hij-1183	105	93	:	:	PUNCT
hij-1183	105	94	f𝑖	f𝑖	X
hij-1183	105	95	=	=	PUNCT
hij-1183	105	96	[	[	X
hij-1183	105	97	𝑟𝑠𝑠𝑖,1	𝑟𝑠𝑠𝑖,1	X
hij-1183	105	98	,	,	PUNCT
hij-1183	105	99	𝑟𝑠𝑠𝑖,2	𝑟𝑠𝑠𝑖,2	NOUN
hij-1183	105	100	,	,	PUNCT
hij-1183	105	101	…	…	PUNCT
hij-1183	105	102	,	,	PUNCT
hij-1183	105	103	𝑟𝑠𝑠𝑖,𝑀	𝑟𝑠𝑠𝑖,𝑀	NOUN
hij-1183	105	104	]	]	PUNCT
hij-1183	105	105	,	,	PUNCT
hij-1183	105	106	where	where	SCONJ
hij-1183	105	107	𝑟𝑠𝑠𝑖,𝑗	𝑟𝑠𝑠𝑖,𝑗	NOUN
hij-1183	105	108	denotes	denote	VERB
hij-1183	105	109	the	the	DET
hij-1183	105	110	rss	rss	NOUN
hij-1183	105	111	value	value	NOUN
hij-1183	105	112	from	from	ADP
hij-1183	105	113	the	the	DET
hij-1183	105	114	j	j	PROPN
hij-1183	105	115	-	-	PUNCT
hij-1183	105	116	th	th	X
hij-1183	105	117	ap	ap	PROPN
hij-1183	105	118	for	for	ADP
hij-1183	105	119	the	the	DET
hij-1183	105	120	fingerprint	fingerprint	NOUN
hij-1183	105	121	vector	vector	NOUN
hij-1183	105	122	f𝑖	f𝑖	PROPN
hij-1183	105	123	,	,	PUNCT
hij-1183	105	124	with	with	ADP
hij-1183	105	125	𝑗	𝑗	PROPN
hij-1183	105	126	=	=	SYM
hij-1183	105	127	1,2	1,2	NUM
hij-1183	105	128	,	,	PUNCT
hij-1183	105	129	…	…	PUNCT
hij-1183	105	130	,	,	PUNCT
hij-1183	105	131	𝑀	𝑀	PROPN
hij-1183	105	132	the	the	DET
hij-1183	105	133	initial	initial	ADJ
hij-1183	105	134	clusters	cluster	NOUN
hij-1183	105	135	are	be	AUX
hij-1183	105	136	generated	generate	VERB
hij-1183	105	137	using	use	VERB
hij-1183	105	138	the	the	DET
hij-1183	105	139	steps	step	NOUN
hij-1183	105	140	below	below	ADV
hij-1183	105	141	:	:	PUNCT
hij-1183	106	1	step	step	NOUN
hij-1183	106	2	1	1	NUM
hij-1183	106	3	:	:	PUNCT
hij-1183	106	4	ap	ap	PROPN
hij-1183	106	5	selection	selection	NOUN
hij-1183	106	6	:	:	PUNCT
hij-1183	106	7	for	for	ADP
hij-1183	106	8	each	each	DET
hij-1183	106	9	fingerprint	fingerprint	NOUN
hij-1183	106	10	vector	vector	NOUN
hij-1183	106	11	,	,	PUNCT
hij-1183	106	12	f𝑖	f𝑖	ADP
hij-1183	106	13	,	,	PUNCT
hij-1183	106	14	determine	determine	VERB
hij-1183	106	15	the	the	DET
hij-1183	106	16	index	index	NOUN
hij-1183	106	17	of	of	ADP
hij-1183	106	18	the	the	DET
hij-1183	106	19	wireless	wireless	NOUN
hij-1183	106	20	ap	ap	PROPN
hij-1183	106	21	with	with	ADP
hij-1183	106	22	the	the	DET
hij-1183	106	23	highest	high	ADJ
hij-1183	106	24	rss	rss	NOUN
hij-1183	106	25	value	value	NOUN
hij-1183	106	26	using	use	VERB
hij-1183	106	27	equation	equation	NOUN
hij-1183	106	28	2	2	NUM
hij-1183	106	29	.	.	PUNCT
hij-1183	107	1	𝑘𝑖	𝑘𝑖	NOUN
hij-1183	107	2	=	=	SYM
hij-1183	107	3	arg_max{f𝑖	arg_max{f𝑖	ADJ
hij-1183	107	4	}	}	PUNCT
hij-1183	107	5	(	(	PUNCT
hij-1183	107	6	2	2	X
hij-1183	107	7	)	)	PUNCT
hij-1183	107	8	where	where	SCONJ
hij-1183	107	9	𝑘𝑖	𝑘𝑖	NOUN
hij-1183	107	10	denotes	denote	VERB
hij-1183	107	11	the	the	DET
hij-1183	107	12	index	index	NOUN
hij-1183	107	13	of	of	ADP
hij-1183	107	14	the	the	DET
hij-1183	107	15	wireless	wireless	NOUN
hij-1183	107	16	ap	ap	PROPN
hij-1183	107	17	with	with	ADP
hij-1183	107	18	the	the	DET
hij-1183	107	19	maximum	maximum	ADJ
hij-1183	107	20	rss	rss	NOUN
hij-1183	107	21	value	value	NOUN
hij-1183	107	22	for	for	ADP
hij-1183	107	23	the	the	DET
hij-1183	107	24	fingerprint	fingerprint	NOUN
hij-1183	107	25	vector	vector	NOUN
hij-1183	107	26	,	,	PUNCT
hij-1183	107	27	f𝑖.	f𝑖.	AUX
hij-1183	107	28	step	step	NOUN
hij-1183	107	29	2	2	NUM
hij-1183	107	30	:	:	PUNCT
hij-1183	107	31	cluster	cluster	NOUN
hij-1183	107	32	assignment	assignment	NOUN
hij-1183	107	33	:	:	PUNCT
hij-1183	107	34	assign	assign	VERB
hij-1183	107	35	f𝑖	f𝑖	NOUN
hij-1183	107	36	to	to	ADP
hij-1183	107	37	the	the	DET
hij-1183	107	38	cluster	cluster	NOUN
hij-1183	107	39	corresponding	correspond	VERB
hij-1183	107	40	to	to	PART
hij-1183	107	41	𝑘𝑖.	𝑘𝑖.	VERB
hij-1183	107	42	thus	thus	ADV
hij-1183	107	43	,	,	PUNCT
hij-1183	107	44	the	the	DET
hij-1183	107	45	fingerprint	fingerprint	NOUN
hij-1183	107	46	database	database	NOUN
hij-1183	107	47	is	be	AUX
hij-1183	107	48	divided	divide	VERB
hij-1183	107	49	into	into	ADP
hij-1183	107	50	m	m	PROPN
hij-1183	107	51	clusters	cluster	NOUN
hij-1183	107	52	,	,	PUNCT
hij-1183	107	53	where	where	SCONJ
hij-1183	107	54	the	the	DET
hij-1183	107	55	m	m	PROPN
hij-1183	107	56	-	-	PUNCT
hij-1183	107	57	th	th	VERB
hij-1183	107	58	cluster	cluster	NOUN
hij-1183	107	59	is	be	AUX
hij-1183	107	60	defined	define	VERB
hij-1183	107	61	as	as	ADP
hij-1183	107	62	:	:	PUNCT
hij-1183	107	63	𝐶𝑚	𝐶𝑚	NOUN
hij-1183	107	64	=	=	PUNCT
hij-1183	107	65	{	{	PUNCT
hij-1183	107	66	f𝑖	f𝑖	NOUN
hij-1183	107	67	∈	∈	NOUN
hij-1183	107	68	f|𝑘𝑖	f|𝑘𝑖	NOUN
hij-1183	107	69	=	=	PUNCT
hij-1183	107	70	𝑚	𝑚	X
hij-1183	107	71	}	}	PUNCT
hij-1183	107	72	𝑓𝑜𝑟	𝑓𝑜𝑟	ADV
hij-1183	107	73	1	1	NUM
hij-1183	107	74	≤	≤	NOUN
hij-1183	107	75	𝑚	𝑚	DET
hij-1183	107	76	≤	≤	ADJ
hij-1183	107	77	𝑀	𝑀	PROPN
hij-1183	107	78	(	(	PUNCT
hij-1183	107	79	3	3	NUM
hij-1183	107	80	)	)	PUNCT
hij-1183	107	81	where	where	SCONJ
hij-1183	107	82	𝐶𝑚	𝐶𝑚	NOUN
hij-1183	107	83	represents	represent	VERB
hij-1183	107	84	the	the	DET
hij-1183	107	85	set	set	NOUN
hij-1183	107	86	of	of	ADP
hij-1183	107	87	fingerprint	fingerprint	NOUN
hij-1183	107	88	vectors	vector	NOUN
hij-1183	107	89	assigned	assign	VERB
hij-1183	107	90	to	to	ADP
hij-1183	107	91	the	the	DET
hij-1183	107	92	m	m	PROPN
hij-1183	107	93	-	-	PUNCT
hij-1183	107	94	th	th	VERB
hij-1183	107	95	cluster	cluster	NOUN
hij-1183	107	96	and	and	CCONJ
hij-1183	107	97	each	each	PRON
hij-1183	107	98	of	of	ADP
hij-1183	107	99	the	the	DET
hij-1183	107	100	m	m	PROPN
hij-1183	107	101	-	-	PUNCT
hij-1183	107	102	th	th	VERB
hij-1183	107	103	cluster	cluster	NOUN
hij-1183	107	104	consists	consist	VERB
hij-1183	107	105	of	of	ADP
hij-1183	107	106	fingerprint	fingerprint	NOUN
hij-1183	107	107	vectors	vector	NOUN
hij-1183	107	108	in	in	ADP
hij-1183	107	109	which	which	PRON
hij-1183	107	110	the	the	DET
hij-1183	107	111	ap	ap	PROPN
hij-1183	107	112	with	with	ADP
hij-1183	107	113	the	the	DET
hij-1183	107	114	highest	high	ADJ
hij-1183	107	115	rss	rss	NOUN
hij-1183	107	116	value	value	NOUN
hij-1183	107	117	is	be	AUX
hij-1183	107	118	ap	ap	PROPN
hij-1183	107	119	m.	m.	NOUN
hij-1183	107	120	the	the	DET
hij-1183	107	121	cluster	cluster	NOUN
hij-1183	107	122	assignment	assignment	NOUN
hij-1183	107	123	process	process	NOUN
hij-1183	107	124	in	in	ADP
hij-1183	107	125	equation	equation	NOUN
hij-1183	107	126	3	3	NUM
hij-1183	107	127	ensures	ensure	VERB
hij-1183	107	128	that	that	SCONJ
hij-1183	107	129	each	each	DET
hij-1183	107	130	fingerprint	fingerprint	NOUN
hij-1183	107	131	vector	vector	NOUN
hij-1183	107	132	is	be	AUX
hij-1183	107	133	associated	associate	VERB
hij-1183	107	134	with	with	ADP
hij-1183	107	135	the	the	DET
hij-1183	107	136	wireless	wireless	NOUN
hij-1183	107	137	ap	ap	PROPN
hij-1183	107	138	that	that	PRON
hij-1183	107	139	produces	produce	VERB
hij-1183	107	140	the	the	DET
hij-1183	107	141	strongest	strong	ADJ
hij-1183	107	142	signal	signal	NOUN
hij-1183	107	143	.	.	PUNCT
hij-1183	108	1	after	after	ADP
hij-1183	108	2	partitioning	partition	VERB
hij-1183	108	3	the	the	DET
hij-1183	108	4	fingerprints	fingerprint	NOUN
hij-1183	108	5	into	into	ADP
hij-1183	108	6	m	m	NOUN
hij-1183	108	7	clusters	cluster	NOUN
hij-1183	108	8	by	by	ADP
hij-1183	108	9	the	the	DET
hij-1183	108	10	cap	cap	NOUN
hij-1183	108	11	algorithm	algorithm	NOUN
hij-1183	108	12	,	,	PUNCT
hij-1183	108	13	each	each	PRON
hij-1183	108	14	of	of	ADP
hij-1183	108	15	the	the	DET
hij-1183	108	16	m	m	PROPN
hij-1183	108	17	clusters	cluster	NOUN
hij-1183	108	18	is	be	AUX
hij-1183	108	19	independently	independently	ADV
hij-1183	108	20	further	far	ADV
hij-1183	108	21	refined	refine	VERB
hij-1183	108	22	using	use	VERB
hij-1183	108	23	the	the	DET
hij-1183	108	24	dbscan	dbscan	NOUN
hij-1183	108	25	.	.	PUNCT
hij-1183	109	1	3.2	3.2	NUM
hij-1183	109	2	.	.	PUNCT
hij-1183	110	1	second	second	ADJ
hij-1183	110	2	-	-	PUNCT
hij-1183	110	3	stage	stage	NOUN
hij-1183	110	4	clustering	clustering	NOUN
hij-1183	110	5	process	process	NOUN
hij-1183	110	6	:	:	PUNCT
hij-1183	110	7	cluster	cluster	NOUN
hij-1183	110	8	refinement	refinement	NOUN
hij-1183	110	9	in	in	ADP
hij-1183	110	10	the	the	DET
hij-1183	110	11	second	second	ADJ
hij-1183	110	12	stage	stage	NOUN
hij-1183	110	13	of	of	ADP
hij-1183	110	14	the	the	DET
hij-1183	110	15	cap	cap	NOUN
hij-1183	110	16	-	-	PUNCT
hij-1183	110	17	dbscan	dbscan	NOUN
hij-1183	110	18	algorithm	algorithm	NOUN
hij-1183	110	19	clustering	clustering	NOUN
hij-1183	110	20	process	process	NOUN
hij-1183	110	21	,	,	PUNCT
hij-1183	110	22	each	each	DET
hij-1183	110	23	cluster	cluster	NOUN
hij-1183	110	24	𝐶𝑗	𝐶𝑗	PROPN
hij-1183	110	25	generated	generate	VERB
hij-1183	110	26	by	by	ADP
hij-1183	110	27	the	the	DET
hij-1183	110	28	cap	cap	NOUN
hij-1183	110	29	algorithm	algorithm	NOUN
hij-1183	110	30	in	in	ADP
hij-1183	110	31	the	the	DET
hij-1183	110	32	first	first	ADJ
hij-1183	110	33	stage	stage	NOUN
hij-1183	110	34	is	be	AUX
hij-1183	110	35	further	far	ADV
hij-1183	110	36	refined	refine	VERB
hij-1183	110	37	using	use	VERB
hij-1183	110	38	the	the	DET
hij-1183	110	39	dbscan	dbscan	ADJ
hij-1183	110	40	algorithm	algorithm	NOUN
hij-1183	110	41	.	.	PUNCT
hij-1183	111	1	the	the	DET
hij-1183	111	2	dbscan	dbscan	PROPN
hij-1183	111	3	algorithm	algorithm	PROPN
hij-1183	111	4	uses	use	VERB
hij-1183	111	5	neighbourhood	neighbourhood	NOUN
hij-1183	111	6	radius	radius	NOUN
hij-1183	111	7	(	(	PUNCT
hij-1183	111	8	esp	esp	ADJ
hij-1183	111	9	)	)	PUNCT
hij-1183	111	10	and	and	CCONJ
hij-1183	111	11	the	the	DET
hij-1183	111	12	minimum	minimum	ADJ
hij-1183	111	13	number	number	NOUN
hij-1183	111	14	of	of	ADP
hij-1183	111	15	fingerprints	fingerprint	NOUN
hij-1183	111	16	required	require	VERB
hij-1183	111	17	to	to	PART
hij-1183	111	18	form	form	VERB
hij-1183	111	19	a	a	DET
hij-1183	111	20	cluster	cluster	NOUN
hij-1183	111	21	(	(	PUNCT
hij-1183	111	22	minpts	minpt	NOUN
hij-1183	111	23	)	)	PUNCT
hij-1183	111	24	as	as	ADP
hij-1183	111	25	its	its	PRON
hij-1183	111	26	clustering	clustering	ADJ
hij-1183	111	27	input	input	NOUN
hij-1183	111	28	parameters	parameter	NOUN
hij-1183	111	29	.	.	PUNCT
hij-1183	112	1	consider	consider	VERB
hij-1183	112	2	the	the	DET
hij-1183	112	3	m	m	NOUN
hij-1183	112	4	-	-	PUNCT
hij-1183	112	5	th	th	VERB
hij-1183	112	6	cluster	cluster	NOUN
hij-1183	112	7	denoted	denote	VERB
hij-1183	112	8	as	as	ADP
hij-1183	112	9	𝐶𝑚	𝐶𝑚	NOUN
hij-1183	112	10	such	such	ADJ
hij-1183	112	11	as	as	ADP
hij-1183	112	12	𝐶𝑚	𝐶𝑚	PROPN
hij-1183	112	13	⊆	⊆	NUM
hij-1183	112	14	f.	f.	NOUN
hij-1183	112	15	below	below	ADV
hij-1183	112	16	is	be	AUX
hij-1183	112	17	a	a	DET
hij-1183	112	18	summary	summary	NOUN
hij-1183	112	19	of	of	ADP
hij-1183	112	20	the	the	DET
hij-1183	112	21	steps	step	NOUN
hij-1183	112	22	involved	involve	VERB
hij-1183	112	23	in	in	ADP
hij-1183	112	24	further	further	ADJ
hij-1183	112	25	refining	refine	VERB
hij-1183	112	26	the	the	DET
hij-1183	112	27	m	m	NOUN
hij-1183	112	28	-	-	PUNCT
hij-1183	112	29	th	th	VERB
hij-1183	112	30	cluster	cluster	NOUN
hij-1183	112	31	using	use	VERB
hij-1183	112	32	dbscan	dbscan	ADJ
hij-1183	112	33	algorithm	algorithm	NOUN
hij-1183	112	34	[	[	X
hij-1183	112	35	7	7	NUM
hij-1183	112	36	]	]	PUNCT
hij-1183	112	37	.	.	PUNCT
hij-1183	113	1	hightech	hightech	NOUN
hij-1183	113	2	and	and	CCONJ
hij-1183	113	3	innovation	innovation	NOUN
hij-1183	113	4	journal	journal	PROPN
hij-1183	113	5	vol	vol	NOUN
hij-1183	113	6	.	.	PROPN
hij-1183	114	1	6	6	NUM
hij-1183	114	2	,	,	PUNCT
hij-1183	114	3	no	no	INTJ
hij-1183	114	4	.	.	NOUN
hij-1183	114	5	1	1	NUM
hij-1183	114	6	,	,	PUNCT
hij-1183	114	7	march	march	NOUN
hij-1183	114	8	,	,	PUNCT
hij-1183	114	9	2025	2025	NUM
hij-1183	114	10	356	356	NUM
hij-1183	114	11	step	step	NOUN
hij-1183	114	12	1	1	NUM
hij-1183	114	13	:	:	PUNCT
hij-1183	114	14	parameter	parameter	PROPN
hij-1183	114	15	initialization	initialization	PROPN
hij-1183	114	16	:	:	PUNCT
hij-1183	114	17	o	o	NOUN
hij-1183	114	18	define	define	VERB
hij-1183	114	19	the	the	DET
hij-1183	114	20	two	two	NUM
hij-1183	114	21	parameters	parameter	NOUN
hij-1183	114	22	,	,	PUNCT
hij-1183	114	23	namely	namely	ADV
hij-1183	114	24	,	,	PUNCT
hij-1183	114	25	esp	esp	ADJ
hij-1183	114	26	and	and	CCONJ
hij-1183	114	27	minpts	minpt	NOUN
hij-1183	114	28	.	.	PUNCT
hij-1183	115	1	in	in	ADP
hij-1183	115	2	this	this	DET
hij-1183	115	3	paper	paper	NOUN
hij-1183	115	4	,	,	PUNCT
hij-1183	115	5	minpts	minpt	NOUN
hij-1183	115	6	is	be	AUX
hij-1183	115	7	set	set	VERB
hij-1183	115	8	to	to	ADP
hij-1183	115	9	1	1	NUM
hij-1183	115	10	to	to	PART
hij-1183	115	11	avoid	avoid	VERB
hij-1183	115	12	classifying	classify	VERB
hij-1183	115	13	fingerprint	fingerprint	NOUN
hij-1183	115	14	vectors	vector	NOUN
hij-1183	115	15	as	as	ADP
hij-1183	115	16	outliers	outlier	NOUN
hij-1183	115	17	,	,	PUNCT
hij-1183	115	18	allowing	allow	VERB
hij-1183	115	19	clusters	cluster	NOUN
hij-1183	115	20	to	to	PART
hij-1183	115	21	consist	consist	VERB
hij-1183	115	22	of	of	ADP
hij-1183	115	23	a	a	DET
hij-1183	115	24	single	single	ADJ
hij-1183	115	25	fingerprint	fingerprint	NOUN
hij-1183	115	26	vector	vector	NOUN
hij-1183	115	27	.	.	PUNCT
hij-1183	116	1	also	also	ADV
hij-1183	116	2	,	,	PUNCT
hij-1183	116	3	the	the	DET
hij-1183	116	4	optimum	optimum	ADJ
hij-1183	116	5	value	value	NOUN
hij-1183	116	6	of	of	ADP
hij-1183	116	7	esp	esp	NOUN
hij-1183	116	8	for	for	ADP
hij-1183	116	9	each	each	PRON
hij-1183	116	10	of	of	ADP
hij-1183	116	11	the	the	DET
hij-1183	116	12	m	m	PROPN
hij-1183	116	13	clusters	cluster	NOUN
hij-1183	116	14	is	be	AUX
hij-1183	116	15	determined	determine	VERB
hij-1183	116	16	using	use	VERB
hij-1183	116	17	the	the	DET
hij-1183	116	18	k	k	ADJ
hij-1183	116	19	-	-	PUNCT
hij-1183	116	20	distance	distance	NOUN
hij-1183	116	21	plot	plot	NOUN
hij-1183	116	22	method	method	NOUN
hij-1183	116	23	[	[	X
hij-1183	116	24	12	12	NUM
hij-1183	116	25	]	]	PUNCT
hij-1183	116	26	.	.	PUNCT
hij-1183	117	1	step	step	NOUN
hij-1183	117	2	2	2	NUM
hij-1183	117	3	:	:	PUNCT
hij-1183	117	4	neighbours	neighbour	NOUN
hij-1183	117	5	and	and	CCONJ
hij-1183	117	6	core	core	NOUN
hij-1183	117	7	fingerprint	fingerprint	NOUN
hij-1183	117	8	vectors	vector	NOUN
hij-1183	117	9	identification	identification	NOUN
hij-1183	117	10	:	:	PUNCT
hij-1183	117	11	o	o	NOUN
hij-1183	117	12	determine	determine	VERB
hij-1183	117	13	the	the	DET
hij-1183	117	14	similarity	similarity	NOUN
hij-1183	117	15	value	value	NOUN
hij-1183	117	16	of	of	ADP
hij-1183	117	17	all	all	DET
hij-1183	117	18	possible	possible	ADJ
hij-1183	117	19	fingerprint	fingerprint	NOUN
hij-1183	117	20	vector	vector	NOUN
hij-1183	117	21	pairs	pair	NOUN
hij-1183	117	22	in	in	ADP
hij-1183	117	23	𝐶𝑚.	𝐶𝑚.	NOUN
hij-1183	117	24	o	o	NOUN
hij-1183	117	25	for	for	ADP
hij-1183	117	26	each	each	DET
hij-1183	117	27	fingerprint	fingerprint	NOUN
hij-1183	117	28	vector	vector	NOUN
hij-1183	117	29	f𝑖	f𝑖	ADP
hij-1183	117	30	𝐶𝑚	𝐶𝑚	PROPN
hij-1183	117	31	∈	∈	PROPN
hij-1183	117	32	𝐶𝑚	𝐶𝑚	NOUN
hij-1183	117	33	,	,	PUNCT
hij-1183	117	34	identify	identify	VERB
hij-1183	117	35	the	the	DET
hij-1183	117	36	fingerprint	fingerprint	NOUN
hij-1183	117	37	vectors	vector	NOUN
hij-1183	117	38	with	with	ADP
hij-1183	117	39	a	a	DET
hij-1183	117	40	similarity	similarity	NOUN
hij-1183	117	41	value	value	NOUN
hij-1183	117	42	less	less	ADJ
hij-1183	117	43	than	than	ADP
hij-1183	117	44	or	or	CCONJ
hij-1183	117	45	equal	equal	ADJ
hij-1183	117	46	to	to	ADP
hij-1183	117	47	esp	esp	ADJ
hij-1183	117	48	.	.	PUNCT
hij-1183	118	1	o	o	INTJ
hij-1183	119	1	if	if	SCONJ
hij-1183	119	2	the	the	DET
hij-1183	119	3	number	number	NOUN
hij-1183	119	4	of	of	ADP
hij-1183	119	5	fingerprint	fingerprint	NOUN
hij-1183	119	6	vectors	vector	NOUN
hij-1183	119	7	(	(	PUNCT
hij-1183	119	8	including	include	VERB
hij-1183	119	9	f𝑖	f𝑖	NUM
hij-1183	119	10	𝐶𝑚	𝐶𝑚	NOUN
hij-1183	119	11	)	)	PUNCT
hij-1183	119	12	is	be	AUX
hij-1183	119	13	greater	great	ADJ
hij-1183	119	14	or	or	CCONJ
hij-1183	119	15	equal	equal	ADJ
hij-1183	119	16	to	to	ADP
hij-1183	119	17	minpts	minpt	NOUN
hij-1183	119	18	,	,	PUNCT
hij-1183	119	19	mark	mark	NOUN
hij-1183	119	20	f𝑖	f𝑖	ADP
hij-1183	119	21	𝐶𝑚	𝐶𝑚	PROPN
hij-1183	119	22	as	as	ADP
hij-1183	119	23	a	a	DET
hij-1183	119	24	core	core	NOUN
hij-1183	119	25	fingerprint	fingerprint	NOUN
hij-1183	119	26	vector	vector	NOUN
hij-1183	119	27	.	.	PUNCT
hij-1183	120	1	step	step	NOUN
hij-1183	120	2	3	3	NUM
hij-1183	120	3	:	:	PUNCT
hij-1183	120	4	cluster	cluster	NOUN
hij-1183	120	5	expansion	expansion	NOUN
hij-1183	120	6	:	:	PUNCT
hij-1183	120	7	o	o	NOUN
hij-1183	120	8	for	for	ADP
hij-1183	120	9	each	each	DET
hij-1183	120	10	core	core	NOUN
hij-1183	120	11	fingerprint	fingerprint	NOUN
hij-1183	120	12	vector	vector	NOUN
hij-1183	120	13	,	,	PUNCT
hij-1183	120	14	f𝑖	f𝑖	VERB
hij-1183	120	15	𝐶𝑚	𝐶𝑚	PROPN
hij-1183	120	16	,	,	PUNCT
hij-1183	120	17	retrieve	retrieve	VERB
hij-1183	120	18	all	all	DET
hij-1183	120	19	its	its	PRON
hij-1183	120	20	ε	ε	NOUN
hij-1183	120	21	-	-	PUNCT
hij-1183	120	22	neighbourhoods	neighbourhood	NOUN
hij-1183	120	23	,	,	PUNCT
hij-1183	120	24	including	include	VERB
hij-1183	120	25	f𝑖	f𝑖	X
hij-1183	120	26	𝐶𝑚	𝐶𝑚	NOUN
hij-1183	120	27	.	.	PUNCT
hij-1183	121	1	o	o	INTJ
hij-1183	122	1	if	if	SCONJ
hij-1183	122	2	the	the	DET
hij-1183	122	3	neighbouring	neighbouring	ADJ
hij-1183	122	4	fingerprint	fingerprint	NOUN
hij-1183	122	5	vector	vector	NOUN
hij-1183	122	6	,	,	PUNCT
hij-1183	122	7	f𝑗	f𝑗	PROPN
hij-1183	123	1	𝐶𝑚	𝐶𝑚	NOUN
hij-1183	123	2	is	be	AUX
hij-1183	123	3	also	also	ADV
hij-1183	123	4	a	a	DET
hij-1183	123	5	core	core	NOUN
hij-1183	123	6	fingerprint	fingerprint	NOUN
hij-1183	123	7	vector	vector	NOUN
hij-1183	123	8	,	,	PUNCT
hij-1183	123	9	recursively	recursively	ADV
hij-1183	123	10	fine	fine	ADJ
hij-1183	123	11	-	-	PUNCT
hij-1183	123	12	tune	tune	NOUN
hij-1183	123	13	and	and	CCONJ
hij-1183	123	14	add	add	VERB
hij-1183	123	15	its	its	PRON
hij-1183	123	16	εneighbourhood	εneighbourhood	NOUN
hij-1183	123	17	fingerprint	fingerprint	NOUN
hij-1183	123	18	vectors	vector	NOUN
hij-1183	123	19	to	to	ADP
hij-1183	123	20	the	the	DET
hij-1183	123	21	cluster	cluster	NOUN
hij-1183	123	22	with	with	ADP
hij-1183	123	23	f𝑖	f𝑖	NOUN
hij-1183	123	24	𝐶𝑚	𝐶𝑚	NOUN
hij-1183	123	25	as	as	ADP
hij-1183	123	26	the	the	DET
hij-1183	123	27	core	core	NOUN
hij-1183	123	28	fingerprint	fingerprint	NOUN
hij-1183	123	29	vector	vector	NOUN
hij-1183	123	30	.	.	PUNCT
hij-1183	124	1	o	o	INTJ
hij-1183	125	1	if	if	SCONJ
hij-1183	125	2	f𝑗	f𝑗	INTJ
hij-1183	125	3	𝐶𝑚	𝐶𝑚	NOUN
hij-1183	125	4	is	be	AUX
hij-1183	125	5	not	not	PART
hij-1183	125	6	yet	yet	ADV
hij-1183	125	7	assigned	assign	VERB
hij-1183	125	8	to	to	ADP
hij-1183	125	9	any	any	DET
hij-1183	125	10	cluster	cluster	NOUN
hij-1183	125	11	,	,	PUNCT
hij-1183	125	12	assign	assign	VERB
hij-1183	125	13	it	it	PRON
hij-1183	125	14	to	to	ADP
hij-1183	125	15	the	the	DET
hij-1183	125	16	current	current	ADJ
hij-1183	125	17	cluster	cluster	NOUN
hij-1183	125	18	.	.	PUNCT
hij-1183	126	1	step	step	NOUN
hij-1183	126	2	4	4	NUM
hij-1183	126	3	:	:	PUNCT
hij-1183	126	4	handling	handle	VERB
hij-1183	126	5	border	border	NOUN
hij-1183	126	6	fingerprint	fingerprint	NOUN
hij-1183	126	7	vectors	vector	NOUN
hij-1183	126	8	:	:	PUNCT
hij-1183	127	1	o	o	X
hij-1183	127	2	if	if	SCONJ
hij-1183	127	3	a	a	DET
hij-1183	127	4	fingerprint	fingerprint	NOUN
hij-1183	127	5	vector	vector	NOUN
hij-1183	127	6	is	be	AUX
hij-1183	127	7	within	within	ADP
hij-1183	127	8	the	the	DET
hij-1183	127	9	ϵ-neighbourhood	ϵ-neighbourhood	PROPN
hij-1183	127	10	of	of	ADP
hij-1183	127	11	a	a	DET
hij-1183	127	12	core	core	NOUN
hij-1183	127	13	fingerprint	fingerprint	NOUN
hij-1183	127	14	vector	vector	NOUN
hij-1183	127	15	but	but	CCONJ
hij-1183	127	16	does	do	AUX
hij-1183	127	17	not	not	PART
hij-1183	127	18	meet	meet	VERB
hij-1183	127	19	the	the	DET
hij-1183	127	20	core	core	NOUN
hij-1183	127	21	criteria	criterion	NOUN
hij-1183	127	22	(	(	PUNCT
hij-1183	127	23	i.e.	i.e.	X
hij-1183	127	24	,	,	PUNCT
hij-1183	127	25	it	it	PRON
hij-1183	127	26	has	have	VERB
hij-1183	127	27	fewer	few	ADJ
hij-1183	127	28	than	than	ADP
hij-1183	127	29	minpts	minpt	NOUN
hij-1183	127	30	neighbours	neighbour	NOUN
hij-1183	127	31	)	)	PUNCT
hij-1183	127	32	,	,	PUNCT
hij-1183	127	33	mark	mark	VERB
hij-1183	127	34	it	it	PRON
hij-1183	127	35	as	as	ADP
hij-1183	127	36	a	a	DET
hij-1183	127	37	border	border	NOUN
hij-1183	127	38	fingerprint	fingerprint	NOUN
hij-1183	127	39	vector	vector	NOUN
hij-1183	127	40	.	.	PUNCT
hij-1183	128	1	o	o	X
hij-1183	128	2	when	when	SCONJ
hij-1183	128	3	applicable	applicable	ADJ
hij-1183	128	4	,	,	PUNCT
hij-1183	128	5	assign	assign	VERB
hij-1183	128	6	border	border	NOUN
hij-1183	128	7	fingerprint	fingerprint	NOUN
hij-1183	128	8	vectors	vector	NOUN
hij-1183	128	9	to	to	ADP
hij-1183	128	10	the	the	DET
hij-1183	128	11	cluster	cluster	NOUN
hij-1183	128	12	of	of	ADP
hij-1183	128	13	the	the	DET
hij-1183	128	14	nearest	near	ADJ
hij-1183	128	15	core	core	NOUN
hij-1183	128	16	fingerprint	fingerprint	NOUN
hij-1183	128	17	vector	vector	NOUN
hij-1183	128	18	.	.	PUNCT
hij-1183	129	1	step	step	NOUN
hij-1183	129	2	5	5	NUM
hij-1183	129	3	:	:	PUNCT
hij-1183	129	4	cluster	cluster	NOUN
hij-1183	129	5	formation	formation	NOUN
hij-1183	129	6	:	:	PUNCT
hij-1183	130	1	o	o	NOUN
hij-1183	130	2	as	as	SCONJ
hij-1183	130	3	the	the	DET
hij-1183	130	4	algorithm	algorithm	NOUN
hij-1183	130	5	progresses	progress	VERB
hij-1183	130	6	,	,	PUNCT
hij-1183	130	7	a	a	DET
hij-1183	130	8	cluster	cluster	NOUN
hij-1183	130	9	is	be	AUX
hij-1183	130	10	formed	form	VERB
hij-1183	130	11	by	by	ADP
hij-1183	130	12	each	each	DET
hij-1183	130	13	core	core	NOUN
hij-1183	130	14	fingerprint	fingerprint	NOUN
hij-1183	130	15	vector	vector	NOUN
hij-1183	130	16	and	and	CCONJ
hij-1183	130	17	its	its	PRON
hij-1183	130	18	connected	connected	ADJ
hij-1183	130	19	fingerprint	fingerprint	NOUN
hij-1183	130	20	vectors	vector	NOUN
hij-1183	130	21	.	.	PUNCT
hij-1183	131	1	o	o	X
hij-1183	131	2	the	the	DET
hij-1183	131	3	process	process	NOUN
hij-1183	131	4	continues	continue	VERB
hij-1183	131	5	until	until	SCONJ
hij-1183	131	6	all	all	DET
hij-1183	131	7	fingerprint	fingerprint	NOUN
hij-1183	131	8	vectors	vector	NOUN
hij-1183	131	9	have	have	AUX
hij-1183	131	10	been	be	AUX
hij-1183	131	11	assigned	assign	VERB
hij-1183	131	12	to	to	ADP
hij-1183	131	13	clusters	cluster	NOUN
hij-1183	131	14	.	.	PUNCT
hij-1183	132	1	steps	step	NOUN
hij-1183	132	2	1	1	NUM
hij-1183	132	3	to	to	PART
hij-1183	132	4	5	5	NUM
hij-1183	132	5	for	for	ADP
hij-1183	132	6	the	the	DET
hij-1183	132	7	dbscan	dbscan	ADJ
hij-1183	132	8	algorithm	algorithm	NOUN
hij-1183	132	9	are	be	AUX
hij-1183	132	10	used	use	VERB
hij-1183	132	11	to	to	PART
hij-1183	132	12	refine	refine	VERB
hij-1183	132	13	each	each	PRON
hij-1183	132	14	of	of	ADP
hij-1183	132	15	the	the	DET
hij-1183	132	16	initial	initial	ADJ
hij-1183	132	17	m	m	PROPN
hij-1183	132	18	clusters	cluster	NOUN
hij-1183	132	19	generated	generate	VERB
hij-1183	132	20	by	by	ADP
hij-1183	132	21	the	the	DET
hij-1183	132	22	cap	cap	NOUN
hij-1183	132	23	algorithm	algorithm	NOUN
hij-1183	132	24	.	.	PUNCT
hij-1183	133	1	let	let	VERB
hij-1183	133	2	𝐶𝑚	𝐶𝑚	PROPN
hij-1183	133	3	𝐷𝐵𝑆𝐶𝐴𝑁	𝐷𝐵𝑆𝐶𝐴𝑁	PROPN
hij-1183	133	4	be	be	AUX
hij-1183	133	5	the	the	DET
hij-1183	133	6	refined	refined	ADJ
hij-1183	133	7	clusters	cluster	NOUN
hij-1183	133	8	produced	produce	VERB
hij-1183	133	9	by	by	ADP
hij-1183	133	10	the	the	DET
hij-1183	133	11	dbscan	dbscan	PROPN
hij-1183	133	12	algorithm	algorithm	NOUN
hij-1183	133	13	within	within	ADP
hij-1183	133	14	cluster	cluster	NOUN
hij-1183	133	15	𝐶𝑚	𝐶𝑚	PROPN
hij-1183	133	16	;	;	PUNCT
hij-1183	133	17	then	then	ADV
hij-1183	133	18	fingerprint	fingerprint	NOUN
hij-1183	133	19	vectors	vector	NOUN
hij-1183	133	20	in	in	ADP
hij-1183	133	21	𝐶𝑚	𝐶𝑚	PROPN
hij-1183	133	22	𝐷𝐵𝑆𝐶𝐴𝑁	𝐷𝐵𝑆𝐶𝐴𝑁	PROPN
hij-1183	133	23	are	be	AUX
hij-1183	133	24	:	:	PUNCT
hij-1183	134	1	𝐶𝑚	𝐶𝑚	NOUN
hij-1183	134	2	𝐷𝐵𝑆𝐶𝐴𝑁	𝐷𝐵𝑆𝐶𝐴𝑁	PROPN
hij-1183	134	3	=	=	PUNCT
hij-1183	134	4	{	{	PUNCT
hij-1183	134	5	core	core	NOUN
hij-1183	134	6	fingerprint	fingerprint	NOUN
hij-1183	134	7	∪	∪	ADP
hij-1183	134	8	border	border	NOUN
hij-1183	134	9	fingerpint	fingerpint	NOUN
hij-1183	134	10	}	}	PUNCT
hij-1183	134	11	for	for	ADP
hij-1183	134	12	1	1	NUM
hij-1183	134	13	≤	≤	NOUN
hij-1183	134	14	𝑚	𝑚	DET
hij-1183	134	15	≤	≤	ADJ
hij-1183	134	16	𝑀	𝑀	PROPN
hij-1183	134	17	(	(	PUNCT
hij-1183	134	18	4	4	NUM
hij-1183	134	19	)	)	PUNCT
hij-1183	134	20	where	where	SCONJ
hij-1183	134	21	a	a	DET
hij-1183	134	22	core	core	NOUN
hij-1183	134	23	fingerprint	fingerprint	NOUN
hij-1183	134	24	is	be	AUX
hij-1183	134	25	a	a	DET
hij-1183	134	26	fingerprint	fingerprint	NOUN
hij-1183	134	27	vector	vector	NOUN
hij-1183	134	28	with	with	ADP
hij-1183	134	29	at	at	ADP
hij-1183	134	30	least	least	ADJ
hij-1183	134	31	minpts	minpt	VERB
hij-1183	134	32	neighbouring	neighbouring	ADJ
hij-1183	134	33	fingerprint	fingerprint	NOUN
hij-1183	134	34	vectors	vector	NOUN
hij-1183	134	35	within	within	ADP
hij-1183	134	36	a	a	DET
hij-1183	134	37	radius	radius	NOUN
hij-1183	134	38	eps	eps	PROPN
hij-1183	134	39	,	,	PUNCT
hij-1183	134	40	and	and	CCONJ
hij-1183	134	41	a	a	DET
hij-1183	134	42	border	border	NOUN
hij-1183	134	43	fingerprint	fingerprint	NOUN
hij-1183	134	44	is	be	AUX
hij-1183	134	45	a	a	DET
hij-1183	134	46	fingerprint	fingerprint	NOUN
hij-1183	134	47	vector	vector	NOUN
hij-1183	134	48	within	within	ADP
hij-1183	134	49	the	the	DET
hij-1183	134	50	ϵ-neighbourhood	ϵ-neighbourhood	PROPN
hij-1183	134	51	of	of	ADP
hij-1183	134	52	a	a	DET
hij-1183	134	53	core	core	NOUN
hij-1183	134	54	fingerprint	fingerprint	NOUN
hij-1183	134	55	but	but	CCONJ
hij-1183	134	56	with	with	ADP
hij-1183	134	57	fewer	few	ADJ
hij-1183	134	58	than	than	ADP
hij-1183	134	59	minpts	minpt	NOUN
hij-1183	134	60	neighbours	neighbour	NOUN
hij-1183	134	61	.	.	PUNCT
hij-1183	135	1	the	the	DET
hij-1183	135	2	final	final	ADJ
hij-1183	135	3	clusters	cluster	NOUN
hij-1183	135	4	produced	produce	VERB
hij-1183	135	5	by	by	ADP
hij-1183	135	6	cap	cap	NOUN
hij-1183	135	7	-	-	PUNCT
hij-1183	135	8	dbscan	dbscan	NOUN
hij-1183	135	9	are	be	AUX
hij-1183	135	10	the	the	DET
hij-1183	135	11	refined	refine	VERB
hij-1183	135	12	dbscan	dbscan	NOUN
hij-1183	135	13	clusters	cluster	NOUN
hij-1183	135	14	within	within	ADP
hij-1183	135	15	each	each	DET
hij-1183	135	16	cap	cap	NOUN
hij-1183	135	17	-	-	PUNCT
hij-1183	135	18	generated	generate	VERB
hij-1183	135	19	partition	partition	NOUN
hij-1183	135	20	.	.	PUNCT
hij-1183	136	1	if	if	SCONJ
hij-1183	136	2	there	there	PRON
hij-1183	136	3	are	be	VERB
hij-1183	136	4	m	m	NOUN
hij-1183	136	5	partitions	partition	NOUN
hij-1183	136	6	,	,	PUNCT
hij-1183	136	7	the	the	DET
hij-1183	136	8	total	total	ADJ
hij-1183	136	9	number	number	NOUN
hij-1183	136	10	of	of	ADP
hij-1183	136	11	clusters	cluster	NOUN
hij-1183	136	12	is	be	AUX
hij-1183	136	13	given	give	VERB
hij-1183	136	14	by	by	ADP
hij-1183	136	15	:	:	PUNCT
hij-1183	136	16	𝐶final	𝐶final	PROPN
hij-1183	136	17	=	=	PUNCT
hij-1183	136	18	⋃	⋃	PROPN
hij-1183	136	19	𝐶𝑚	𝐶𝑚	PROPN
hij-1183	136	20	𝐷𝐵𝑆𝐶𝐴𝑁	𝐷𝐵𝑆𝐶𝐴𝑁	PROPN
hij-1183	136	21	𝑀	𝑀	PROPN
hij-1183	136	22	𝑚=1	𝑚=1	X
hij-1183	136	23	(	(	PUNCT
hij-1183	136	24	5	5	NUM
hij-1183	136	25	)	)	PUNCT
hij-1183	136	26	thus	thus	ADV
hij-1183	136	27	,	,	PUNCT
hij-1183	136	28	the	the	DET
hij-1183	136	29	total	total	ADJ
hij-1183	136	30	number	number	NOUN
hij-1183	136	31	of	of	ADP
hij-1183	136	32	final	final	ADJ
hij-1183	136	33	clusters	cluster	NOUN
hij-1183	136	34	is	be	AUX
hij-1183	136	35	the	the	DET
hij-1183	136	36	sum	sum	NOUN
hij-1183	136	37	of	of	ADP
hij-1183	136	38	the	the	DET
hij-1183	136	39	clusters	cluster	NOUN
hij-1183	136	40	identified	identify	VERB
hij-1183	136	41	by	by	ADP
hij-1183	136	42	dbscan	dbscan	NOUN
hij-1183	136	43	within	within	ADP
hij-1183	136	44	each	each	DET
hij-1183	136	45	partition	partition	NOUN
hij-1183	136	46	.	.	PUNCT
hij-1183	137	1	3.3	3.3	NUM
hij-1183	137	2	.	.	PUNCT
hij-1183	138	1	cap	cap	NOUN
hij-1183	138	2	-	-	PUNCT
hij-1183	138	3	dbscan	dbscan	NOUN
hij-1183	138	4	algorithm	algorithm	NOUN
hij-1183	138	5	computation	computation	NOUN
hij-1183	138	6	complexity	complexity	NOUN
hij-1183	138	7	in	in	ADP
hij-1183	138	8	this	this	DET
hij-1183	138	9	subsection	subsection	NOUN
hij-1183	138	10	,	,	PUNCT
hij-1183	138	11	the	the	DET
hij-1183	138	12	computational	computational	ADJ
hij-1183	138	13	complexity	complexity	NOUN
hij-1183	138	14	(	(	PUNCT
hij-1183	138	15	cc	cc	NOUN
hij-1183	138	16	)	)	PUNCT
hij-1183	138	17	of	of	ADP
hij-1183	138	18	the	the	DET
hij-1183	138	19	proposed	propose	VERB
hij-1183	138	20	cap	cap	NOUN
hij-1183	138	21	-	-	PUNCT
hij-1183	138	22	dbscan	dbscan	NOUN
hij-1183	138	23	algorithm	algorithm	NOUN
hij-1183	138	24	is	be	AUX
hij-1183	138	25	determined	determine	VERB
hij-1183	138	26	.	.	PUNCT
hij-1183	139	1	for	for	ADP
hij-1183	139	2	a	a	DET
hij-1183	139	3	total	total	NOUN
hij-1183	139	4	of	of	ADP
hij-1183	139	5	n	n	PRON
hij-1183	139	6	fingerprint	fingerprint	NOUN
hij-1183	139	7	vectors	vector	NOUN
hij-1183	139	8	in	in	ADP
hij-1183	139	9	a	a	DET
hij-1183	139	10	database	database	NOUN
hij-1183	139	11	with	with	ADP
hij-1183	139	12	m	m	PROPN
hij-1183	139	13	wireless	wireless	ADJ
hij-1183	139	14	aps	ap	NOUN
hij-1183	139	15	,	,	PUNCT
hij-1183	139	16	the	the	DET
hij-1183	139	17	cc	cc	PROPN
hij-1183	139	18	for	for	ADP
hij-1183	139	19	the	the	DET
hij-1183	139	20	cap	cap	NOUN
hij-1183	139	21	algorithm	algorithm	NOUN
hij-1183	139	22	in	in	ADP
hij-1183	139	23	the	the	DET
hij-1183	139	24	first	first	ADJ
hij-1183	139	25	stage	stage	NOUN
hij-1183	139	26	of	of	ADP
hij-1183	139	27	the	the	DET
hij-1183	139	28	clustering	clustering	ADJ
hij-1183	139	29	process	process	NOUN
hij-1183	139	30	is	be	AUX
hij-1183	139	31	obtained	obtain	VERB
hij-1183	139	32	as	as	ADP
hij-1183	139	33	:	:	PUNCT
hij-1183	139	34	𝐶𝐶𝐶𝐴𝑃	𝐶𝐶𝐶𝐴𝑃	PROPN
hij-1183	139	35	=	=	SYM
hij-1183	139	36	𝑂(𝑀𝑁	𝑂(𝑀𝑁	PROPN
hij-1183	139	37	)	)	PUNCT
hij-1183	139	38	(	(	PUNCT
hij-1183	139	39	6	6	NUM
hij-1183	139	40	)	)	PUNCT
hij-1183	139	41	where	where	SCONJ
hij-1183	139	42	n	n	PRON
hij-1183	139	43	is	be	AUX
hij-1183	139	44	the	the	DET
hij-1183	139	45	total	total	ADJ
hij-1183	139	46	number	number	NOUN
hij-1183	139	47	of	of	ADP
hij-1183	139	48	fingerprint	fingerprint	NOUN
hij-1183	139	49	vectors	vector	NOUN
hij-1183	139	50	and	and	CCONJ
hij-1183	139	51	m	m	NOUN
hij-1183	139	52	is	be	AUX
hij-1183	139	53	the	the	DET
hij-1183	139	54	total	total	ADJ
hij-1183	139	55	number	number	NOUN
hij-1183	139	56	of	of	ADP
hij-1183	139	57	wireless	wireless	ADJ
hij-1183	139	58	aps	ap	NOUN
hij-1183	139	59	.	.	PUNCT
hij-1183	140	1	the	the	DET
hij-1183	140	2	cap	cap	NOUN
hij-1183	140	3	algorithm	algorithm	NOUN
hij-1183	140	4	in	in	ADP
hij-1183	140	5	the	the	DET
hij-1183	140	6	first	first	ADJ
hij-1183	140	7	stage	stage	NOUN
hij-1183	140	8	generates	generate	VERB
hij-1183	140	9	a	a	DET
hij-1183	140	10	total	total	NOUN
hij-1183	140	11	of	of	ADP
hij-1183	140	12	m	m	PROPN
hij-1183	140	13	clusters	cluster	NOUN
hij-1183	140	14	,	,	PUNCT
hij-1183	140	15	where	where	SCONJ
hij-1183	140	16	the	the	DET
hij-1183	140	17	size	size	NOUN
hij-1183	140	18	of	of	ADP
hij-1183	140	19	each	each	DET
hij-1183	140	20	cluster	cluster	NOUN
hij-1183	140	21	is	be	AUX
hij-1183	140	22	approximately	approximately	ADV
hij-1183	140	23	𝑁𝐶𝑚	𝑁𝐶𝑚	NOUN
hij-1183	140	24	,	,	PUNCT
hij-1183	140	25	which	which	PRON
hij-1183	140	26	means	mean	VERB
hij-1183	140	27	:	:	PUNCT
hij-1183	140	28	𝑁	𝑁	PROPN
hij-1183	140	29	=	=	SYM
hij-1183	140	30	∑	∑	PROPN
hij-1183	140	31	𝑁𝐶𝑚	𝑁𝐶𝑚	NOUN
hij-1183	140	32	𝑀	𝑀	PROPN
hij-1183	140	33	𝑚=1	𝑚=1	X
hij-1183	140	34	(	(	PUNCT
hij-1183	140	35	7	7	NUM
hij-1183	140	36	)	)	PUNCT
hij-1183	140	37	where	where	SCONJ
hij-1183	140	38	𝑁𝐶𝑚	𝑁𝐶𝑚	NOUN
hij-1183	140	39	represents	represent	VERB
hij-1183	140	40	the	the	DET
hij-1183	140	41	number	number	NOUN
hij-1183	140	42	of	of	ADP
hij-1183	140	43	fingerprint	fingerprint	NOUN
hij-1183	140	44	vectors	vector	NOUN
hij-1183	140	45	in	in	ADP
hij-1183	140	46	the	the	DET
hij-1183	140	47	m	m	PROPN
hij-1183	140	48	-	-	PUNCT
hij-1183	140	49	th	th	VERB
hij-1183	140	50	cluster	cluster	NOUN
hij-1183	140	51	.	.	PUNCT
hij-1183	141	1	hightech	hightech	NOUN
hij-1183	141	2	and	and	CCONJ
hij-1183	141	3	innovation	innovation	NOUN
hij-1183	141	4	journal	journal	PROPN
hij-1183	141	5	vol	vol	NOUN
hij-1183	141	6	.	.	PROPN
hij-1183	142	1	6	6	NUM
hij-1183	142	2	,	,	PUNCT
hij-1183	142	3	no	no	INTJ
hij-1183	142	4	.	.	NOUN
hij-1183	142	5	1	1	NUM
hij-1183	142	6	,	,	PUNCT
hij-1183	142	7	march	march	NOUN
hij-1183	142	8	,	,	PUNCT
hij-1183	142	9	2025	2025	NUM
hij-1183	142	10	357	357	NUM
hij-1183	142	11	let	let	VERB
hij-1183	142	12	𝐶𝑚	𝐶𝑚	NOUN
hij-1183	142	13	be	be	AUX
hij-1183	142	14	the	the	DET
hij-1183	142	15	m	m	PROPN
hij-1183	142	16	-	-	PUNCT
hij-1183	142	17	th	th	VERB
hij-1183	142	18	cluster	cluster	NOUN
hij-1183	142	19	generated	generate	VERB
hij-1183	142	20	by	by	ADP
hij-1183	142	21	the	the	DET
hij-1183	142	22	cap	cap	NOUN
hij-1183	142	23	algorithm	algorithm	NOUN
hij-1183	142	24	.	.	PUNCT
hij-1183	143	1	the	the	DET
hij-1183	143	2	cc	cc	PROPN
hij-1183	143	3	for	for	ADP
hij-1183	143	4	refining	refine	VERB
hij-1183	143	5	𝐶𝑚	𝐶𝑚	NOUN
hij-1183	143	6	by	by	ADP
hij-1183	143	7	the	the	DET
hij-1183	143	8	dbscan	dbscan	PROPN
hij-1183	143	9	algorithm	algorithm	NOUN
hij-1183	143	10	is	be	AUX
hij-1183	143	11	obtained	obtain	VERB
hij-1183	143	12	as	as	ADP
hij-1183	143	13	:	:	PUNCT
hij-1183	143	14	𝐶𝐶𝐷𝐵𝑆𝐶𝐴𝑁	𝐶𝐶𝐷𝐵𝑆𝐶𝐴𝑁	PROPN
hij-1183	143	15	𝐶𝑚	𝐶𝑚	PROPN
hij-1183	143	16	=	=	PUNCT
hij-1183	143	17	𝑂(𝑁𝐶𝑚	𝑂(𝑁𝐶𝑚	PROPN
hij-1183	143	18	2	2	NUM
hij-1183	143	19	)	)	PUNCT
hij-1183	143	20	for	for	ADP
hij-1183	143	21	1	1	NUM
hij-1183	143	22	≤	≤	NOUN
hij-1183	143	23	𝑚	𝑚	DET
hij-1183	143	24	≤	≤	ADJ
hij-1183	143	25	𝑀	𝑀	PROPN
hij-1183	143	26	(	(	PUNCT
hij-1183	143	27	8)	8)	NUM
hij-1183	143	28	for	for	ADP
hij-1183	143	29	a	a	DET
hij-1183	143	30	total	total	NOUN
hij-1183	143	31	of	of	ADP
hij-1183	143	32	m	m	PROPN
hij-1183	143	33	clusters	cluster	NOUN
hij-1183	143	34	,	,	PUNCT
hij-1183	143	35	the	the	DET
hij-1183	143	36	total	total	NOUN
hij-1183	143	37	cc	cc	NOUN
hij-1183	143	38	by	by	ADP
hij-1183	143	39	the	the	DET
hij-1183	143	40	dbscan	dbscan	PROPN
hij-1183	143	41	algorithm	algorithm	NOUN
hij-1183	143	42	is	be	AUX
hij-1183	143	43	:	:	PUNCT
hij-1183	143	44	𝐶𝐶𝐷𝐵𝑆𝐶𝐴𝑁	𝐶𝐶𝐷𝐵𝑆𝐶𝐴𝑁	PROPN
hij-1183	143	45	=	=	PUNCT
hij-1183	143	46	∑	∑	PUNCT
hij-1183	143	47	𝐶𝐶𝐷𝐵𝑆𝐶𝐴𝑁	𝐶𝐶𝐷𝐵𝑆𝐶𝐴𝑁	PROPN
hij-1183	143	48	𝐶𝑚	𝐶𝑚	PROPN
hij-1183	143	49	𝑀	𝑀	NOUN
hij-1183	143	50	𝑚=1	𝑚=1	PUNCT
hij-1183	144	1	=	=	SYM
hij-1183	144	2	𝑂	𝑂	PROPN
hij-1183	144	3	(	(	PUNCT
hij-1183	144	4	∑	∑	ADP
hij-1183	144	5	𝑁𝐶𝑚	𝑁𝐶𝑚	NOUN
hij-1183	144	6	2	2	NUM
hij-1183	144	7	𝑀	𝑀	PROPN
hij-1183	144	8	𝑚=1	𝑚=1	PROPN
hij-1183	144	9	)	)	PUNCT
hij-1183	144	10	(	(	PUNCT
hij-1183	144	11	9	9	X
hij-1183	144	12	)	)	PUNCT
hij-1183	144	13	the	the	DET
hij-1183	144	14	overall	overall	ADJ
hij-1183	144	15	cc	cc	NOUN
hij-1183	144	16	for	for	ADP
hij-1183	144	17	the	the	DET
hij-1183	144	18	cap	cap	NOUN
hij-1183	144	19	-	-	PUNCT
hij-1183	144	20	dbscan	dbscan	NOUN
hij-1183	144	21	algorithm	algorithm	NOUN
hij-1183	144	22	is	be	AUX
hij-1183	144	23	obtained	obtain	VERB
hij-1183	144	24	as	as	ADP
hij-1183	144	25	:	:	PUNCT
hij-1183	144	26	𝐶𝐶𝐶𝐴𝑃−𝐷𝐵𝑆𝐶𝐴𝑁	𝐶𝐶𝐶𝐴𝑃−𝐷𝐵𝑆𝐶𝐴𝑁	ADJ
hij-1183	144	27	=	=	SYM
hij-1183	144	28	𝐶𝐶𝐶𝐴𝑃	𝐶𝐶𝐶𝐴𝑃	PROPN
hij-1183	144	29	+	+	CCONJ
hij-1183	144	30	𝐶𝐶𝐷𝐵𝑆𝐶𝐴𝑁	𝐶𝐶𝐷𝐵𝑆𝐶𝐴𝑁	PROPN
hij-1183	144	31	=	=	SYM
hij-1183	144	32	𝑂(𝑀𝑁	𝑂(𝑀𝑁	PROPN
hij-1183	144	33	)	)	PUNCT
hij-1183	145	1	+	+	CCONJ
hij-1183	145	2	𝑂	𝑂	PROPN
hij-1183	145	3	(	(	PUNCT
hij-1183	145	4	∑	∑	ADP
hij-1183	145	5	𝑁𝐶𝑚	𝑁𝐶𝑚	NOUN
hij-1183	145	6	2	2	NUM
hij-1183	145	7	𝑀	𝑀	PROPN
hij-1183	145	8	𝑚=1	𝑚=1	PROPN
hij-1183	145	9	)	)	PUNCT
hij-1183	145	10	(	(	PUNCT
hij-1183	145	11	10	10	NUM
hij-1183	145	12	)	)	SYM
hij-1183	145	13	4	4	NUM
hij-1183	145	14	.	.	PUNCT
hij-1183	145	15	simulation	simulation	NOUN
hij-1183	145	16	results	result	NOUN
hij-1183	145	17	,	,	PUNCT
hij-1183	145	18	comparison	comparison	NOUN
hij-1183	145	19	and	and	CCONJ
hij-1183	145	20	discussion	discussion	NOUN
hij-1183	145	21	the	the	DET
hij-1183	145	22	clustering	clustering	ADJ
hij-1183	145	23	performance	performance	NOUN
hij-1183	145	24	of	of	ADP
hij-1183	145	25	the	the	DET
hij-1183	145	26	cap	cap	NOUN
hij-1183	145	27	-	-	PUNCT
hij-1183	145	28	dbscan	dbscan	NOUN
hij-1183	145	29	algorithm	algorithm	NOUN
hij-1183	145	30	is	be	AUX
hij-1183	145	31	determined	determine	VERB
hij-1183	145	32	and	and	CCONJ
hij-1183	145	33	presented	present	VERB
hij-1183	145	34	in	in	ADP
hij-1183	145	35	this	this	DET
hij-1183	145	36	section	section	NOUN
hij-1183	145	37	of	of	ADP
hij-1183	145	38	the	the	DET
hij-1183	145	39	paper	paper	NOUN
hij-1183	145	40	.	.	PUNCT
hij-1183	146	1	first	first	ADV
hij-1183	146	2	,	,	PUNCT
hij-1183	146	3	the	the	DET
hij-1183	146	4	simulation	simulation	NOUN
hij-1183	146	5	parameters	parameter	NOUN
hij-1183	146	6	and	and	CCONJ
hij-1183	146	7	setup	setup	NOUN
hij-1183	146	8	are	be	AUX
hij-1183	146	9	presented	present	VERB
hij-1183	146	10	,	,	PUNCT
hij-1183	146	11	followed	follow	VERB
hij-1183	146	12	by	by	ADP
hij-1183	146	13	the	the	DET
hij-1183	146	14	clustering	clustering	NOUN
hij-1183	146	15	and	and	CCONJ
hij-1183	146	16	cc	cc	ADP
hij-1183	146	17	performance	performance	NOUN
hij-1183	146	18	comparison	comparison	NOUN
hij-1183	146	19	.	.	PUNCT
hij-1183	147	1	4.1	4.1	NUM
hij-1183	147	2	.	.	PUNCT
hij-1183	147	3	simulation	simulation	NOUN
hij-1183	147	4	parameters	parameter	NOUN
hij-1183	147	5	and	and	CCONJ
hij-1183	147	6	setup	setup	VERB
hij-1183	147	7	four	four	NUM
hij-1183	147	8	experimentally	experimentally	ADV
hij-1183	147	9	generated	generate	VERB
hij-1183	147	10	,	,	PUNCT
hij-1183	147	11	publicly	publicly	ADV
hij-1183	147	12	available	available	ADJ
hij-1183	147	13	rss	rss	NOUN
hij-1183	147	14	-	-	PUNCT
hij-1183	147	15	based	base	VERB
hij-1183	147	16	fingerprint	fingerprint	NOUN
hij-1183	147	17	databases	database	NOUN
hij-1183	147	18	are	be	AUX
hij-1183	147	19	used	use	VERB
hij-1183	147	20	to	to	PART
hij-1183	147	21	evaluate	evaluate	VERB
hij-1183	147	22	the	the	DET
hij-1183	147	23	capdbscan	capdbscan	ADJ
hij-1183	147	24	algorithm	algorithm	NOUN
hij-1183	147	25	:	:	PUNCT
hij-1183	148	1	seug_indoorloc	seug_indoorloc	NOUN
hij-1183	149	1	[	[	X
hij-1183	149	2	20	20	NUM
hij-1183	149	3	]	]	PUNCT
hij-1183	149	4	,	,	PUNCT
hij-1183	149	5	piep_um_indoorloc	piep_um_indoorloc	PROPN
hij-1183	150	1	[	[	X
hij-1183	150	2	21	21	NUM
hij-1183	150	3	]	]	PUNCT
hij-1183	150	4	,	,	PUNCT
hij-1183	150	5	iirc_indoorloc	iirc_indoorloc	PROPN
hij-1183	150	6	[	[	X
hij-1183	150	7	22	22	NUM
hij-1183	150	8	]	]	PUNCT
hij-1183	150	9	,	,	PUNCT
hij-1183	150	10	and	and	CCONJ
hij-1183	150	11	msi_indoorloc	msi_indoorloc	NOUN
hij-1183	151	1	[	[	X
hij-1183	151	2	23	23	NUM
hij-1183	151	3	]	]	PUNCT
hij-1183	151	4	.	.	PUNCT
hij-1183	152	1	these	these	DET
hij-1183	152	2	databases	database	NOUN
hij-1183	152	3	differ	differ	VERB
hij-1183	152	4	in	in	ADP
hij-1183	152	5	wireless	wireless	ADJ
hij-1183	152	6	technology	technology	NOUN
hij-1183	152	7	,	,	PUNCT
hij-1183	152	8	number	number	NOUN
hij-1183	152	9	of	of	ADP
hij-1183	152	10	wireless	wireless	ADJ
hij-1183	152	11	aps	ap	NOUN
hij-1183	152	12	,	,	PUNCT
hij-1183	152	13	coverage	coverage	NOUN
hij-1183	152	14	area	area	NOUN
hij-1183	152	15	,	,	PUNCT
hij-1183	152	16	and	and	CCONJ
hij-1183	152	17	reference	reference	NOUN
hij-1183	152	18	locations	location	NOUN
hij-1183	152	19	(	(	PUNCT
hij-1183	152	20	rls	rls	PROPN
hij-1183	152	21	)	)	PUNCT
hij-1183	152	22	.	.	PUNCT
hij-1183	153	1	seug_indoorloc	seug_indoorloc	PROPN
hij-1183	153	2	,	,	PUNCT
hij-1183	153	3	piep_um_indoorloc	piep_um_indoorloc	PROPN
hij-1183	153	4	,	,	PUNCT
hij-1183	153	5	iirc_indoorloc	iirc_indoorloc	NOUN
hij-1183	153	6	,	,	PUNCT
hij-1183	153	7	and	and	CCONJ
hij-1183	153	8	msi_indoorloc	msi_indoorloc	NOUN
hij-1183	153	9	contain	contain	VERB
hij-1183	153	10	3	3	NUM
hij-1183	153	11	,	,	PUNCT
hij-1183	153	12	8	8	NUM
hij-1183	153	13	,	,	PUNCT
hij-1183	153	14	3	3	NUM
hij-1183	153	15	,	,	PUNCT
hij-1183	153	16	and	and	CCONJ
hij-1183	153	17	11	11	NUM
hij-1183	153	18	wireless	wireless	ADJ
hij-1183	153	19	aps	ap	NOUN
hij-1183	153	20	,	,	PUNCT
hij-1183	153	21	respectively	respectively	ADV
hij-1183	153	22	.	.	PUNCT
hij-1183	154	1	in	in	ADP
hij-1183	154	2	terms	term	NOUN
hij-1183	154	3	of	of	ADP
hij-1183	154	4	rls	rls	PROPN
hij-1183	154	5	,	,	PUNCT
hij-1183	154	6	seug_indoorloc	seug_indoorloc	PROPN
hij-1183	154	7	has	have	VERB
hij-1183	154	8	49	49	NUM
hij-1183	154	9	,	,	PUNCT
hij-1183	154	10	piep_um_indoorloc	piep_um_indoorloc	PROPN
hij-1183	154	11	has	have	VERB
hij-1183	154	12	1000	1000	NUM
hij-1183	154	13	,	,	PUNCT
hij-1183	154	14	iirc_indoorloc	iirc_indoorloc	PROPN
hij-1183	154	15	has	have	VERB
hij-1183	154	16	68	68	NUM
hij-1183	154	17	,	,	PUNCT
hij-1183	154	18	and	and	CCONJ
hij-1183	154	19	msi_indoorloc	msi_indoorloc	NOUN
hij-1183	154	20	has	have	VERB
hij-1183	154	21	631	631	NUM
hij-1183	154	22	.	.	PUNCT
hij-1183	155	1	these	these	DET
hij-1183	155	2	variations	variation	NOUN
hij-1183	155	3	provide	provide	VERB
hij-1183	155	4	diverse	diverse	ADJ
hij-1183	155	5	environmental	environmental	ADJ
hij-1183	155	6	scenarios	scenario	NOUN
hij-1183	155	7	for	for	ADP
hij-1183	155	8	evaluating	evaluate	VERB
hij-1183	155	9	the	the	DET
hij-1183	155	10	capdbscan	capdbscan	ADJ
hij-1183	155	11	algorithm	algorithm	NOUN
hij-1183	155	12	.	.	PUNCT
hij-1183	156	1	table	table	NOUN
hij-1183	156	2	1	1	NUM
hij-1183	156	3	summarizes	summarize	VERB
hij-1183	156	4	the	the	DET
hij-1183	156	5	characteristics	characteristic	NOUN
hij-1183	156	6	of	of	ADP
hij-1183	156	7	each	each	DET
hij-1183	156	8	fingerprint	fingerprint	NOUN
hij-1183	156	9	database	database	NOUN
hij-1183	156	10	.	.	PUNCT
hij-1183	157	1	table	table	NOUN
hij-1183	157	2	1	1	NUM
hij-1183	157	3	.	.	PUNCT
hij-1183	157	4	fingerprint	fingerprint	NOUN
hij-1183	157	5	database	database	PROPN
hij-1183	157	6	characteristics	characteristics	PROPN
hij-1183	157	7	fingerprint	fingerprint	NOUN
hij-1183	157	8	database	database	NOUN
hij-1183	157	9	database	database	PROPN
hij-1183	157	10	characteristic	characteristic	ADJ
hij-1183	157	11	wireless	wireless	NOUN
hij-1183	157	12	technology	technology	NOUN
hij-1183	157	13	number	number	NOUN
hij-1183	157	14	of	of	ADP
hij-1183	157	15	aps	aps	PROPN
hij-1183	157	16	(	(	PUNCT
hij-1183	157	17	𝑴	𝑴	NOUN
hij-1183	157	18	)	)	PUNCT
hij-1183	157	19	number	number	NOUN
hij-1183	157	20	of	of	ADP
hij-1183	157	21	rl	rl	PROPN
hij-1183	157	22	(	(	PUNCT
hij-1183	157	23	𝑵	𝑵	PROPN
hij-1183	157	24	)	)	PUNCT
hij-1183	157	25	coverage	coverage	NOUN
hij-1183	157	26	area	area	NOUN
hij-1183	157	27	(	(	PUNCT
hij-1183	157	28	m2	m2	PROPN
hij-1183	157	29	)	)	PUNCT
hij-1183	157	30	seug_indoorloc	seug_indoorloc	PROPN
hij-1183	157	31	wi	wi	PROPN
hij-1183	157	32	-	-	PUNCT
hij-1183	157	33	fi	fi	NOUN
hij-1183	157	34	3	3	NUM
hij-1183	157	35	49	49	NUM
hij-1183	157	36	33	33	NUM
hij-1183	157	37	iirc_indoorloc	iirc_indoorloc	NOUN
hij-1183	157	38	zigbee	zigbee	NOUN
hij-1183	157	39	3	3	NUM
hij-1183	157	40	68	68	NUM
hij-1183	157	41	161	161	NUM
hij-1183	157	42	piep_um_indoorloc	piep_um_indoorloc	PROPN
hij-1183	157	43	wi	wi	PROPN
hij-1183	157	44	-	-	PUNCT
hij-1183	157	45	fi	fi	NOUN
hij-1183	157	46	8	8	NUM
hij-1183	157	47	1000	1000	NUM
hij-1183	157	48	1000	1000	NUM
hij-1183	157	49	msi_indoorloc	msi_indoorloc	NOUN
hij-1183	157	50	wi	wi	PROPN
hij-1183	157	51	-	-	PUNCT
hij-1183	157	52	fi	fi	NOUN
hij-1183	157	53	11	11	NUM
hij-1183	157	54	631	631	NUM
hij-1183	157	55	1000	1000	NUM
hij-1183	157	56	the	the	DET
hij-1183	157	57	choice	choice	NOUN
hij-1183	157	58	of	of	ADP
hij-1183	157	59	fingerprint	fingerprint	NOUN
hij-1183	157	60	similarity	similarity	NOUN
hij-1183	157	61	metric	metric	NOUN
hij-1183	157	62	greatly	greatly	ADV
hij-1183	157	63	affects	affect	VERB
hij-1183	157	64	the	the	DET
hij-1183	157	65	clustering	clustering	ADJ
hij-1183	157	66	performance	performance	NOUN
hij-1183	157	67	of	of	ADP
hij-1183	157	68	the	the	DET
hij-1183	157	69	dbscan	dbscan	PROPN
hij-1183	157	70	algorithm	algorithm	NOUN
hij-1183	157	71	.	.	PUNCT
hij-1183	158	1	distance	distance	NOUN
hij-1183	158	2	-	-	PUNCT
hij-1183	158	3	based	base	VERB
hij-1183	158	4	similarity	similarity	NOUN
hij-1183	158	5	metrics	metric	NOUN
hij-1183	158	6	,	,	PUNCT
hij-1183	158	7	particularly	particularly	ADV
hij-1183	158	8	euclidean	euclidean	ADJ
hij-1183	158	9	and	and	CCONJ
hij-1183	158	10	manhattan	manhattan	PROPN
hij-1183	158	11	distances	distance	NOUN
hij-1183	158	12	,	,	PUNCT
hij-1183	158	13	are	be	AUX
hij-1183	158	14	commonly	commonly	ADV
hij-1183	158	15	used	use	VERB
hij-1183	158	16	and	and	CCONJ
hij-1183	158	17	are	be	AUX
hij-1183	158	18	both	both	PRON
hij-1183	158	19	considered	consider	VERB
hij-1183	158	20	in	in	ADP
hij-1183	158	21	this	this	DET
hij-1183	158	22	study	study	NOUN
hij-1183	158	23	.	.	PUNCT
hij-1183	159	1	for	for	ADP
hij-1183	159	2	clustering	cluster	VERB
hij-1183	159	3	performance	performance	NOUN
hij-1183	159	4	evaluation	evaluation	NOUN
hij-1183	159	5	,	,	PUNCT
hij-1183	159	6	the	the	DET
hij-1183	159	7	silhouette	silhouette	NOUN
hij-1183	159	8	score	score	NOUN
hij-1183	159	9	is	be	AUX
hij-1183	159	10	used	use	VERB
hij-1183	159	11	.	.	PUNCT
hij-1183	160	1	this	this	DET
hij-1183	160	2	metric	metric	ADJ
hij-1183	160	3	measures	measure	NOUN
hij-1183	160	4	how	how	SCONJ
hij-1183	160	5	similar	similar	ADJ
hij-1183	160	6	a	a	DET
hij-1183	160	7	fingerprint	fingerprint	NOUN
hij-1183	160	8	vector	vector	NOUN
hij-1183	160	9	is	be	AUX
hij-1183	160	10	to	to	ADP
hij-1183	160	11	its	its	PRON
hij-1183	160	12	assigned	assign	VERB
hij-1183	160	13	cluster	cluster	NOUN
hij-1183	160	14	compared	compare	VERB
hij-1183	160	15	to	to	ADP
hij-1183	160	16	other	other	ADJ
hij-1183	160	17	clusters	cluster	NOUN
hij-1183	160	18	.	.	PUNCT
hij-1183	161	1	the	the	DET
hij-1183	161	2	silhouette	silhouette	NOUN
hij-1183	161	3	score	score	NOUN
hij-1183	161	4	ranges	range	VERB
hij-1183	161	5	from	from	ADP
hij-1183	161	6	1	1	NUM
hij-1183	161	7	(	(	PUNCT
hij-1183	161	8	indicating	indicate	VERB
hij-1183	161	9	well	well	ADV
hij-1183	161	10	-	-	PUNCT
hij-1183	161	11	defined	define	VERB
hij-1183	161	12	,	,	PUNCT
hij-1183	161	13	compact	compact	ADJ
hij-1183	161	14	clusters	cluster	NOUN
hij-1183	161	15	)	)	PUNCT
hij-1183	161	16	to	to	PART
hij-1183	161	17	-1	-1	X
hij-1183	161	18	(	(	PUNCT
hij-1183	161	19	representing	represent	VERB
hij-1183	161	20	poorly	poorly	ADV
hij-1183	161	21	defined	define	VERB
hij-1183	161	22	,	,	PUNCT
hij-1183	161	23	overlapping	overlap	VERB
hij-1183	161	24	clusters	cluster	NOUN
hij-1183	161	25	)	)	PUNCT
hij-1183	161	26	.	.	PUNCT
hij-1183	162	1	table	table	NOUN
hij-1183	162	2	2	2	NUM
hij-1183	162	3	provides	provide	VERB
hij-1183	162	4	a	a	DET
hij-1183	162	5	summary	summary	NOUN
hij-1183	162	6	of	of	ADP
hij-1183	162	7	silhouette	silhouette	NOUN
hij-1183	162	8	score	score	NOUN
hij-1183	162	9	ranges	range	NOUN
hij-1183	162	10	and	and	CCONJ
hij-1183	162	11	their	their	PRON
hij-1183	162	12	interpretations	interpretation	NOUN
hij-1183	162	13	in	in	ADP
hij-1183	162	14	the	the	DET
hij-1183	162	15	context	context	NOUN
hij-1183	162	16	of	of	ADP
hij-1183	162	17	fingerprint	fingerprint	NOUN
hij-1183	162	18	database	database	NOUN
hij-1183	162	19	clustering	cluster	VERB
hij-1183	162	20	.	.	PUNCT
hij-1183	163	1	in	in	ADP
hij-1183	163	2	this	this	DET
hij-1183	163	3	study	study	NOUN
hij-1183	163	4	,	,	PUNCT
hij-1183	163	5	a	a	DET
hij-1183	163	6	silhouette	silhouette	NOUN
hij-1183	163	7	score	score	NOUN
hij-1183	163	8	threshold	threshold	NOUN
hij-1183	163	9	of	of	ADP
hij-1183	163	10	0.25	0.25	NUM
hij-1183	163	11	is	be	AUX
hij-1183	163	12	set	set	VERB
hij-1183	163	13	as	as	ADP
hij-1183	163	14	the	the	DET
hij-1183	163	15	minimum	minimum	ADJ
hij-1183	163	16	benchmark	benchmark	NOUN
hij-1183	163	17	for	for	ADP
hij-1183	163	18	acceptable	acceptable	ADJ
hij-1183	163	19	clustering	clustering	NOUN
hij-1183	163	20	performance	performance	NOUN
hij-1183	163	21	.	.	PUNCT
hij-1183	164	1	a	a	DET
hij-1183	164	2	score	score	NOUN
hij-1183	164	3	above	above	ADP
hij-1183	164	4	this	this	DET
hij-1183	164	5	threshold	threshold	NOUN
hij-1183	164	6	indicates	indicate	VERB
hij-1183	164	7	that	that	SCONJ
hij-1183	164	8	the	the	DET
hij-1183	164	9	clustering	clustering	ADJ
hij-1183	164	10	algorithm	algorithm	NOUN
hij-1183	164	11	has	have	AUX
hij-1183	164	12	successfully	successfully	ADV
hij-1183	164	13	produced	produce	VERB
hij-1183	164	14	well	well	ADV
hij-1183	164	15	-	-	PUNCT
hij-1183	164	16	defined	define	VERB
hij-1183	164	17	and	and	CCONJ
hij-1183	164	18	distinct	distinct	ADJ
hij-1183	164	19	clusters	cluster	NOUN
hij-1183	164	20	.	.	PUNCT
hij-1183	165	1	table	table	NOUN
hij-1183	165	2	2	2	NUM
hij-1183	165	3	.	.	PUNCT
hij-1183	165	4	silhouette	silhouette	NOUN
hij-1183	165	5	score	score	NOUN
hij-1183	165	6	ranges	range	NOUN
hij-1183	165	7	and	and	CCONJ
hij-1183	165	8	their	their	PRON
hij-1183	165	9	interpretation	interpretation	NOUN
hij-1183	165	10	silhouette	silhouette	NOUN
hij-1183	165	11	score	score	NOUN
hij-1183	165	12	range	range	NOUN
hij-1183	165	13	interpretation	interpretation	NOUN
hij-1183	165	14	0.7	0.7	NUM
hij-1183	165	15	≤	≤	NUM
hij-1183	165	16	s	s	PART
hij-1183	165	17	≤	≤	NUM
hij-1183	165	18	1	1	NUM
hij-1183	165	19	very	very	ADV
hij-1183	165	20	good	good	ADJ
hij-1183	165	21	clustering	clustering	ADJ
hij-1183	165	22	performance	performance	NOUN
hij-1183	166	1	0.25	0.25	NUM
hij-1183	166	2	≤	≤	NOUN
hij-1183	166	3	s	s	PART
hij-1183	166	4	<	<	X
hij-1183	166	5	0.7	0.7	NUM
hij-1183	166	6	moderate	moderate	ADJ
hij-1183	166	7	clustering	clustering	NOUN
hij-1183	166	8	performance	performance	NOUN
hij-1183	166	9	0.25	0.25	NUM
hij-1183	166	10	<	<	X
hij-1183	166	11	s	s	PART
hij-1183	166	12	≤	≤	NUM
hij-1183	166	13	-1	-1	ADP
hij-1183	166	14	poor	poor	ADJ
hij-1183	166	15	clustering	clustering	NOUN
hij-1183	166	16	performance	performance	NOUN
hij-1183	166	17	the	the	DET
hij-1183	166	18	proposed	propose	VERB
hij-1183	166	19	cap	cap	NOUN
hij-1183	166	20	-	-	PUNCT
hij-1183	166	21	dbscan	dbscan	NOUN
hij-1183	166	22	algorithm	algorithm	NOUN
hij-1183	166	23	is	be	AUX
hij-1183	166	24	evaluated	evaluate	VERB
hij-1183	166	25	against	against	ADP
hij-1183	166	26	the	the	DET
hij-1183	166	27	s	s	NOUN
hij-1183	166	28	-	-	NOUN
hij-1183	166	29	dbscan	dbscan	NOUN
hij-1183	166	30	and	and	CCONJ
hij-1183	166	31	k	k	ADJ
hij-1183	166	32	-	-	PUNCT
hij-1183	166	33	dbscan	dbscan	ADJ
hij-1183	166	34	algorithms	algorithm	NOUN
hij-1183	166	35	presented	present	VERB
hij-1183	166	36	by	by	ADP
hij-1183	166	37	gholizadeh	gholizadeh	PROPN
hij-1183	166	38	et	et	PROPN
hij-1183	166	39	al	al	PROPN
hij-1183	166	40	.	.	PUNCT
hij-1183	167	1	[	[	X
hij-1183	167	2	9	9	NUM
hij-1183	167	3	]	]	PUNCT
hij-1183	167	4	.	.	PUNCT
hij-1183	168	1	to	to	PART
hij-1183	168	2	prevent	prevent	VERB
hij-1183	168	3	any	any	DET
hij-1183	168	4	fingerprint	fingerprint	NOUN
hij-1183	168	5	vector	vector	NOUN
hij-1183	168	6	from	from	ADP
hij-1183	168	7	being	be	AUX
hij-1183	168	8	treated	treat	VERB
hij-1183	168	9	as	as	ADP
hij-1183	168	10	an	an	DET
hij-1183	168	11	outlier	outlier	NOUN
hij-1183	168	12	,	,	PUNCT
hij-1183	168	13	the	the	DET
hij-1183	168	14	minpts	minpt	NOUN
hij-1183	168	15	parameter	parameter	NOUN
hij-1183	168	16	is	be	AUX
hij-1183	168	17	set	set	VERB
hij-1183	168	18	to	to	ADP
hij-1183	168	19	1	1	NUM
hij-1183	168	20	.	.	PUNCT
hij-1183	169	1	for	for	ADP
hij-1183	169	2	a	a	DET
hij-1183	169	3	fair	fair	ADJ
hij-1183	169	4	comparison	comparison	NOUN
hij-1183	169	5	,	,	PUNCT
hij-1183	169	6	the	the	DET
hij-1183	169	7	clustering	clustering	ADJ
hij-1183	169	8	performance	performance	NOUN
hij-1183	169	9	of	of	ADP
hij-1183	169	10	all	all	DET
hij-1183	169	11	three	three	NUM
hij-1183	169	12	algorithms	algorithm	NOUN
hij-1183	169	13	is	be	AUX
hij-1183	169	14	assessed	assess	VERB
hij-1183	169	15	at	at	ADP
hij-1183	169	16	their	their	PRON
hij-1183	169	17	respective	respective	ADJ
hij-1183	169	18	optimal	optimal	ADJ
hij-1183	169	19	configurations	configuration	NOUN
hij-1183	169	20	,	,	PUNCT
hij-1183	169	21	determined	determine	VERB
hij-1183	169	22	by	by	ADP
hij-1183	169	23	the	the	DET
hij-1183	169	24	eps	eps	PROPN
hij-1183	169	25	parameter	parameter	NOUN
hij-1183	169	26	.	.	PUNCT
hij-1183	170	1	the	the	DET
hij-1183	170	2	optimal	optimal	ADJ
hij-1183	170	3	eps	eps	PROPN
hij-1183	170	4	values	value	NOUN
hij-1183	170	5	for	for	ADP
hij-1183	170	6	cap	cap	NOUN
hij-1183	170	7	-	-	PUNCT
hij-1183	170	8	dbscan	dbscan	NOUN
hij-1183	170	9	,	,	PUNCT
hij-1183	170	10	k	k	NOUN
hij-1183	170	11	-	-	PUNCT
hij-1183	170	12	dbscan	dbscan	NOUN
hij-1183	170	13	,	,	PUNCT
hij-1183	170	14	and	and	CCONJ
hij-1183	170	15	sdbscan	sdbscan	PROPN
hij-1183	170	16	are	be	AUX
hij-1183	170	17	identified	identify	VERB
hij-1183	170	18	using	use	VERB
hij-1183	170	19	the	the	DET
hij-1183	170	20	k	k	ADJ
hij-1183	170	21	-	-	PUNCT
hij-1183	170	22	distance	distance	NOUN
hij-1183	170	23	plot	plot	NOUN
hij-1183	170	24	method	method	NOUN
hij-1183	170	25	.	.	PUNCT
hij-1183	171	1	additionally	additionally	ADV
hij-1183	171	2	,	,	PUNCT
hij-1183	171	3	the	the	DET
hij-1183	171	4	optimal	optimal	ADJ
hij-1183	171	5	number	number	NOUN
hij-1183	171	6	of	of	ADP
hij-1183	171	7	clusters	cluster	NOUN
hij-1183	171	8	for	for	ADP
hij-1183	171	9	the	the	DET
hij-1183	171	10	kmeans++	kmeans++	PROPN
hij-1183	171	11	algorithm	algorithm	NOUN
hij-1183	171	12	in	in	ADP
hij-1183	171	13	the	the	DET
hij-1183	171	14	pre	pre	ADJ
hij-1183	171	15	-	-	ADJ
hij-1183	171	16	clustering	clustering	ADJ
hij-1183	171	17	stage	stage	NOUN
hij-1183	171	18	of	of	ADP
hij-1183	171	19	k	k	X
hij-1183	171	20	-	-	PUNCT
hij-1183	171	21	dbscan	dbscan	NOUN
hij-1183	171	22	is	be	AUX
hij-1183	171	23	determined	determine	VERB
hij-1183	171	24	using	use	VERB
hij-1183	171	25	the	the	DET
hij-1183	171	26	elbow	elbow	NOUN
hij-1183	171	27	method	method	NOUN
hij-1183	171	28	[	[	X
hij-1183	171	29	24	24	NUM
hij-1183	171	30	]	]	PUNCT
hij-1183	171	31	.	.	PUNCT
hij-1183	172	1	hightech	hightech	NOUN
hij-1183	172	2	and	and	CCONJ
hij-1183	172	3	innovation	innovation	NOUN
hij-1183	172	4	journal	journal	PROPN
hij-1183	172	5	vol	vol	NOUN
hij-1183	172	6	.	.	PROPN
hij-1183	173	1	6	6	NUM
hij-1183	173	2	,	,	PUNCT
hij-1183	173	3	no	no	INTJ
hij-1183	173	4	.	.	NOUN
hij-1183	173	5	1	1	NUM
hij-1183	173	6	,	,	PUNCT
hij-1183	173	7	march	march	NOUN
hij-1183	173	8	,	,	PUNCT
hij-1183	173	9	2025	2025	NUM
hij-1183	173	10	358	358	NUM
hij-1183	173	11	4.2	4.2	NUM
hij-1183	173	12	.	.	PUNCT
hij-1183	174	1	clustering	cluster	VERB
hij-1183	174	2	performance	performance	NOUN
hij-1183	174	3	comparison	comparison	NOUN
hij-1183	174	4	with	with	ADP
hij-1183	174	5	s	s	NOUN
hij-1183	174	6	-	-	NOUN
hij-1183	174	7	dbscan	dbscan	NOUN
hij-1183	174	8	and	and	CCONJ
hij-1183	174	9	k	k	ADJ
hij-1183	174	10	-	-	PUNCT
hij-1183	174	11	dbscan	dbscan	ADJ
hij-1183	174	12	algorithms	algorithm	NOUN
hij-1183	174	13	as	as	SCONJ
hij-1183	174	14	previously	previously	ADV
hij-1183	174	15	stated	state	VERB
hij-1183	174	16	,	,	PUNCT
hij-1183	174	17	the	the	DET
hij-1183	174	18	proposed	propose	VERB
hij-1183	174	19	cap	cap	NOUN
hij-1183	174	20	-	-	PUNCT
hij-1183	174	21	dbscan	dbscan	NOUN
hij-1183	174	22	algorithm	algorithm	NOUN
hij-1183	174	23	is	be	AUX
hij-1183	174	24	evaluated	evaluate	VERB
hij-1183	174	25	against	against	ADP
hij-1183	174	26	s	s	NOUN
hij-1183	174	27	-	-	PUNCT
hij-1183	174	28	dbscan	dbscan	NOUN
hij-1183	174	29	and	and	CCONJ
hij-1183	174	30	k	k	ADJ
hij-1183	174	31	-	-	PUNCT
hij-1183	174	32	dbscan	dbscan	NOUN
hij-1183	174	33	using	use	VERB
hij-1183	174	34	the	the	DET
hij-1183	174	35	silhouette	silhouette	NOUN
hij-1183	174	36	score	score	NOUN
hij-1183	174	37	as	as	SCONJ
hij-1183	174	38	the	the	DET
hij-1183	174	39	clustering	clustering	ADJ
hij-1183	174	40	performance	performance	NOUN
hij-1183	174	41	metric	metric	ADJ
hij-1183	174	42	across	across	ADP
hij-1183	174	43	the	the	DET
hij-1183	174	44	four	four	NUM
hij-1183	174	45	fingerprint	fingerprint	NOUN
hij-1183	174	46	databases	database	NOUN
hij-1183	174	47	summarized	summarize	VERB
hij-1183	174	48	in	in	ADP
hij-1183	174	49	table	table	NOUN
hij-1183	174	50	1	1	NUM
hij-1183	174	51	.	.	PUNCT
hij-1183	174	52	table	table	NOUN
hij-1183	174	53	3	3	NUM
hij-1183	174	54	presents	present	VERB
hij-1183	174	55	a	a	DET
hij-1183	174	56	comparison	comparison	NOUN
hij-1183	174	57	of	of	ADP
hij-1183	174	58	the	the	DET
hij-1183	174	59	silhouette	silhouette	NOUN
hij-1183	174	60	scores	score	NOUN
hij-1183	174	61	for	for	ADP
hij-1183	174	62	cap	cap	NOUN
hij-1183	174	63	-	-	PUNCT
hij-1183	174	64	dbscan	dbscan	NOUN
hij-1183	174	65	,	,	PUNCT
hij-1183	174	66	s	s	NOUN
hij-1183	174	67	-	-	PUNCT
hij-1183	174	68	dbscan	dbscan	NOUN
hij-1183	174	69	,	,	PUNCT
hij-1183	174	70	and	and	CCONJ
hij-1183	174	71	k	k	X
hij-1183	174	72	-	-	NOUN
hij-1183	174	73	dbscan	dbscan	NOUN
hij-1183	174	74	across	across	ADP
hij-1183	174	75	these	these	DET
hij-1183	174	76	databases	database	NOUN
hij-1183	174	77	.	.	PUNCT
hij-1183	175	1	table	table	NOUN
hij-1183	175	2	3	3	NUM
hij-1183	175	3	.	.	PUNCT
hij-1183	175	4	silhouette	silhouette	NOUN
hij-1183	175	5	scores	score	NOUN
hij-1183	175	6	comparison	comparison	NOUN
hij-1183	175	7	across	across	ADP
hij-1183	175	8	varying	vary	VERB
hij-1183	175	9	fingerprint	fingerprint	NOUN
hij-1183	175	10	databases	database	NOUN
hij-1183	175	11	and	and	CCONJ
hij-1183	175	12	similarity	similarity	NOUN
hij-1183	175	13	metric	metric	ADJ
hij-1183	175	14	database	database	NOUN
hij-1183	175	15	similarity	similarity	NOUN
hij-1183	175	16	metric	metric	ADJ
hij-1183	175	17	silhouette	silhouette	NOUN
hij-1183	175	18	scores	score	NOUN
hij-1183	175	19	s	s	PART
hij-1183	175	20	-	-	PUNCT
hij-1183	175	21	dbscan	dbscan	ADJ
hij-1183	175	22	k	k	ADJ
hij-1183	175	23	-	-	PUNCT
hij-1183	175	24	dbscan	dbscan	ADJ
hij-1183	175	25	cap	cap	NOUN
hij-1183	175	26	-	-	PUNCT
hij-1183	175	27	dbscan	dbscan	NOUN
hij-1183	175	28	seug_indoorloc	seug_indoorloc	NOUN
hij-1183	175	29	euclidean	euclidean	VERB
hij-1183	175	30	0.44	0.44	NUM
hij-1183	175	31	0.26	0.26	NUM
hij-1183	175	32	0.57	0.57	NUM
hij-1183	175	33	manhattan	manhattan	PROPN
hij-1183	175	34	0.44	0.44	NUM
hij-1183	175	35	0.26	0.26	NUM
hij-1183	175	36	0.67	0.67	NUM
hij-1183	175	37	iirc_indoorloc	iirc_indoorloc	ADJ
hij-1183	175	38	euclidean	euclidean	NOUN
hij-1183	175	39	0.02	0.02	NUM
hij-1183	175	40	0.33	0.33	NUM
hij-1183	175	41	0.55	0.55	NUM
hij-1183	175	42	manhattan	manhattan	PROPN
hij-1183	175	43	-0.06	-0.06	NUM
hij-1183	175	44	0.28	0.28	NUM
hij-1183	175	45	0.31	0.31	NUM
hij-1183	175	46	piep_um_indoorloc	piep_um_indoorloc	PROPN
hij-1183	175	47	euclidean	euclidean	VERB
hij-1183	175	48	0.20	0.20	NUM
hij-1183	175	49	0.26	0.26	NUM
hij-1183	175	50	0.52	0.52	NUM
hij-1183	175	51	manhattan	manhattan	PROPN
hij-1183	175	52	0.32	0.32	NUM
hij-1183	175	53	0.44	0.44	NUM
hij-1183	175	54	0.68	0.68	NUM
hij-1183	175	55	msi_indoorloc	msi_indoorloc	NOUN
hij-1183	175	56	euclidean	euclidean	NOUN
hij-1183	175	57	0.41	0.41	NUM
hij-1183	175	58	0.20	0.20	NUM
hij-1183	175	59	0.64	0.64	NUM
hij-1183	175	60	manhattan	manhattan	NOUN
hij-1183	175	61	0.61	0.61	NUM
hij-1183	175	62	0.56	0.56	NUM
hij-1183	175	63	0.68	0.68	NUM
hij-1183	175	64	as	as	SCONJ
hij-1183	175	65	shown	show	VERB
hij-1183	175	66	in	in	ADP
hij-1183	175	67	table	table	NOUN
hij-1183	175	68	3	3	NUM
hij-1183	175	69	,	,	PUNCT
hij-1183	175	70	the	the	DET
hij-1183	175	71	cap	cap	NOUN
hij-1183	175	72	-	-	PUNCT
hij-1183	175	73	dbscan	dbscan	NOUN
hij-1183	175	74	algorithm	algorithm	NOUN
hij-1183	175	75	exhibits	exhibit	VERB
hij-1183	175	76	superior	superior	ADJ
hij-1183	175	77	clustering	clustering	ADJ
hij-1183	175	78	performance	performance	NOUN
hij-1183	175	79	across	across	ADP
hij-1183	175	80	all	all	DET
hij-1183	175	81	four	four	NUM
hij-1183	175	82	fingerprint	fingerprint	NOUN
hij-1183	175	83	databases	database	NOUN
hij-1183	175	84	and	and	CCONJ
hij-1183	175	85	similarity	similarity	NOUN
hij-1183	175	86	metrics	metric	NOUN
hij-1183	175	87	.	.	PUNCT
hij-1183	176	1	it	it	PRON
hij-1183	176	2	consistently	consistently	ADV
hij-1183	176	3	achieves	achieve	VERB
hij-1183	176	4	higher	high	ADJ
hij-1183	176	5	silhouette	silhouette	NOUN
hij-1183	176	6	scores	score	NOUN
hij-1183	176	7	than	than	ADP
hij-1183	176	8	both	both	CCONJ
hij-1183	176	9	k	k	NOUN
hij-1183	176	10	-	-	NOUN
hij-1183	176	11	dbscan	dbscan	NOUN
hij-1183	176	12	and	and	CCONJ
hij-1183	176	13	s	s	NOUN
hij-1183	176	14	-	-	PUNCT
hij-1183	176	15	dbscan	dbscan	NOUN
hij-1183	176	16	,	,	PUNCT
hij-1183	176	17	indicating	indicate	VERB
hij-1183	176	18	the	the	DET
hij-1183	176	19	formation	formation	NOUN
hij-1183	176	20	of	of	ADP
hij-1183	176	21	more	more	ADV
hij-1183	176	22	well	well	ADV
hij-1183	176	23	-	-	PUNCT
hij-1183	176	24	defined	define	VERB
hij-1183	176	25	and	and	CCONJ
hij-1183	176	26	compact	compact	ADJ
hij-1183	176	27	clusters	cluster	NOUN
hij-1183	176	28	.	.	PUNCT
hij-1183	177	1	in	in	ADP
hij-1183	177	2	the	the	DET
hij-1183	177	3	seug_indoorloc	seug_indoorloc	PROPN
hij-1183	177	4	database	database	NOUN
hij-1183	177	5	,	,	PUNCT
hij-1183	177	6	all	all	DET
hij-1183	177	7	three	three	NUM
hij-1183	177	8	algorithms	algorithm	NOUN
hij-1183	177	9	produced	produce	VERB
hij-1183	177	10	clusters	cluster	NOUN
hij-1183	177	11	with	with	ADP
hij-1183	177	12	silhouette	silhouette	NOUN
hij-1183	177	13	scores	score	NOUN
hij-1183	177	14	above	above	ADP
hij-1183	177	15	the	the	DET
hij-1183	177	16	0.25	0.25	NUM
hij-1183	177	17	threshold	threshold	NOUN
hij-1183	177	18	,	,	PUNCT
hij-1183	177	19	reflecting	reflect	VERB
hij-1183	177	20	good	good	ADJ
hij-1183	177	21	clustering	clustering	ADJ
hij-1183	177	22	performance	performance	NOUN
hij-1183	177	23	.	.	PUNCT
hij-1183	178	1	however	however	ADV
hij-1183	178	2	,	,	PUNCT
hij-1183	178	3	the	the	DET
hij-1183	178	4	k	k	ADJ
hij-1183	178	5	-	-	PUNCT
hij-1183	178	6	dbscan	dbscan	ADJ
hij-1183	178	7	algorithm	algorithm	NOUN
hij-1183	178	8	recorded	record	VERB
hij-1183	178	9	the	the	DET
hij-1183	178	10	lowest	low	ADJ
hij-1183	178	11	silhouette	silhouette	NOUN
hij-1183	178	12	scores	score	NOUN
hij-1183	178	13	among	among	ADP
hij-1183	178	14	the	the	DET
hij-1183	178	15	three	three	NUM
hij-1183	178	16	.	.	PUNCT
hij-1183	179	1	in	in	ADP
hij-1183	179	2	contrast	contrast	NOUN
hij-1183	179	3	,	,	PUNCT
hij-1183	179	4	the	the	DET
hij-1183	179	5	cap	cap	NOUN
hij-1183	179	6	-	-	PUNCT
hij-1183	179	7	dbscan	dbscan	NOUN
hij-1183	179	8	algorithm	algorithm	NOUN
hij-1183	179	9	achieved	achieve	VERB
hij-1183	179	10	the	the	DET
hij-1183	179	11	highest	high	ADJ
hij-1183	179	12	silhouette	silhouette	NOUN
hij-1183	179	13	scores	score	NOUN
hij-1183	179	14	of	of	ADP
hij-1183	179	15	0.57	0.57	NUM
hij-1183	179	16	and	and	CCONJ
hij-1183	179	17	0.67	0.67	NUM
hij-1183	179	18	using	use	VERB
hij-1183	179	19	euclidean	euclidean	NOUN
hij-1183	179	20	and	and	CCONJ
hij-1183	179	21	manhattan	manhattan	PROPN
hij-1183	179	22	distances	distance	NOUN
hij-1183	179	23	as	as	ADP
hij-1183	179	24	fingerprint	fingerprint	NOUN
hij-1183	179	25	similarity	similarity	NOUN
hij-1183	179	26	metrics	metric	NOUN
hij-1183	179	27	,	,	PUNCT
hij-1183	179	28	respectively	respectively	ADV
hij-1183	179	29	.	.	PUNCT
hij-1183	180	1	these	these	DET
hij-1183	180	2	scores	score	NOUN
hij-1183	180	3	represent	represent	VERB
hij-1183	180	4	improvements	improvement	NOUN
hij-1183	180	5	of	of	ADP
hij-1183	180	6	approximately	approximately	ADV
hij-1183	180	7	23	23	NUM
hij-1183	180	8	%	%	NOUN
hij-1183	180	9	and	and	CCONJ
hij-1183	180	10	34	34	NUM
hij-1183	180	11	%	%	NOUN
hij-1183	180	12	over	over	ADP
hij-1183	180	13	s	s	NOUN
hij-1183	180	14	-	-	NOUN
hij-1183	180	15	dbscan	dbscan	NOUN
hij-1183	180	16	and	and	CCONJ
hij-1183	180	17	54	54	NUM
hij-1183	180	18	%	%	NOUN
hij-1183	180	19	and	and	CCONJ
hij-1183	180	20	61	61	NUM
hij-1183	180	21	%	%	NOUN
hij-1183	180	22	over	over	ADP
hij-1183	180	23	k	k	ADJ
hij-1183	180	24	-	-	NOUN
hij-1183	180	25	dbscan	dbscan	NOUN
hij-1183	180	26	,	,	PUNCT
hij-1183	180	27	respectively	respectively	ADV
hij-1183	180	28	.	.	PUNCT
hij-1183	181	1	overall	overall	ADJ
hij-1183	181	2	,	,	PUNCT
hij-1183	181	3	for	for	ADP
hij-1183	181	4	the	the	DET
hij-1183	181	5	seug_indoorloc	seug_indoorloc	PROPN
hij-1183	181	6	database	database	NOUN
hij-1183	181	7	,	,	PUNCT
hij-1183	181	8	cap	cap	NOUN
hij-1183	181	9	-	-	PUNCT
hij-1183	181	10	dbscan	dbscan	NOUN
hij-1183	181	11	delivers	deliver	VERB
hij-1183	181	12	the	the	DET
hij-1183	181	13	best	good	ADJ
hij-1183	181	14	clustering	clustering	ADJ
hij-1183	181	15	performance	performance	NOUN
hij-1183	181	16	,	,	PUNCT
hij-1183	181	17	particularly	particularly	ADV
hij-1183	181	18	when	when	SCONJ
hij-1183	181	19	using	use	VERB
hij-1183	181	20	manhattan	manhattan	PROPN
hij-1183	181	21	distance	distance	NOUN
hij-1183	181	22	as	as	ADP
hij-1183	181	23	the	the	DET
hij-1183	181	24	fingerprint	fingerprint	NOUN
hij-1183	181	25	similarity	similarity	NOUN
hij-1183	181	26	metric	metric	NOUN
hij-1183	181	27	.	.	PUNCT
hij-1183	182	1	for	for	ADP
hij-1183	182	2	the	the	DET
hij-1183	182	3	iirc_indoorloc	iirc_indoorloc	NOUN
hij-1183	182	4	database	database	NOUN
hij-1183	182	5	,	,	PUNCT
hij-1183	182	6	both	both	CCONJ
hij-1183	182	7	the	the	DET
hij-1183	182	8	k	k	NOUN
hij-1183	182	9	-	-	PUNCT
hij-1183	182	10	dbscan	dbscan	NOUN
hij-1183	182	11	and	and	CCONJ
hij-1183	182	12	cap	cap	NOUN
hij-1183	182	13	-	-	PUNCT
hij-1183	182	14	dbscan	dbscan	NOUN
hij-1183	182	15	algorithms	algorithm	NOUN
hij-1183	182	16	generated	generate	VERB
hij-1183	182	17	clusters	cluster	NOUN
hij-1183	182	18	with	with	ADP
hij-1183	182	19	silhouette	silhouette	NOUN
hij-1183	182	20	scores	score	NOUN
hij-1183	182	21	above	above	ADP
hij-1183	182	22	the	the	DET
hij-1183	182	23	0.25	0.25	NUM
hij-1183	182	24	threshold	threshold	NOUN
hij-1183	182	25	using	use	VERB
hij-1183	182	26	euclidean	euclidean	NOUN
hij-1183	182	27	and	and	CCONJ
hij-1183	182	28	manhattan	manhattan	PROPN
hij-1183	182	29	distances	distance	NOUN
hij-1183	182	30	as	as	ADP
hij-1183	182	31	fingerprint	fingerprint	NOUN
hij-1183	182	32	similarity	similarity	NOUN
hij-1183	182	33	metrics	metric	NOUN
hij-1183	182	34	.	.	PUNCT
hij-1183	183	1	in	in	ADP
hij-1183	183	2	contrast	contrast	NOUN
hij-1183	183	3	,	,	PUNCT
hij-1183	183	4	the	the	DET
hij-1183	183	5	s	s	ADJ
hij-1183	183	6	-	-	PUNCT
hij-1183	183	7	dbscan	dbscan	ADJ
hij-1183	183	8	algorithm	algorithm	NOUN
hij-1183	183	9	produced	produce	VERB
hij-1183	183	10	clusters	cluster	NOUN
hij-1183	183	11	with	with	ADP
hij-1183	183	12	scores	score	NOUN
hij-1183	183	13	below	below	ADP
hij-1183	183	14	this	this	DET
hij-1183	183	15	threshold	threshold	NOUN
hij-1183	183	16	,	,	PUNCT
hij-1183	183	17	indicating	indicate	VERB
hij-1183	183	18	poor	poor	ADJ
hij-1183	183	19	clustering	clustering	ADJ
hij-1183	183	20	performance	performance	NOUN
hij-1183	183	21	.	.	PUNCT
hij-1183	184	1	among	among	ADP
hij-1183	184	2	the	the	DET
hij-1183	184	3	three	three	NUM
hij-1183	184	4	algorithms	algorithm	NOUN
hij-1183	184	5	,	,	PUNCT
hij-1183	184	6	cap	cap	NOUN
hij-1183	184	7	-	-	PUNCT
hij-1183	184	8	dbscan	dbscan	NOUN
hij-1183	184	9	achieved	achieve	VERB
hij-1183	184	10	the	the	DET
hij-1183	184	11	highest	high	ADJ
hij-1183	184	12	silhouette	silhouette	NOUN
hij-1183	184	13	scores	score	NOUN
hij-1183	184	14	of	of	ADP
hij-1183	184	15	0.55	0.55	NUM
hij-1183	184	16	and	and	CCONJ
hij-1183	184	17	0.31	0.31	NUM
hij-1183	184	18	with	with	ADP
hij-1183	184	19	euclidean	euclidean	ADJ
hij-1183	184	20	and	and	CCONJ
hij-1183	184	21	manhattan	manhattan	PROPN
hij-1183	184	22	distances	distance	NOUN
hij-1183	184	23	,	,	PUNCT
hij-1183	184	24	respectively	respectively	ADV
hij-1183	184	25	.	.	PUNCT
hij-1183	185	1	this	this	PRON
hij-1183	185	2	represents	represent	VERB
hij-1183	185	3	a	a	DET
hij-1183	185	4	significant	significant	ADJ
hij-1183	185	5	improvement	improvement	NOUN
hij-1183	185	6	of	of	ADP
hij-1183	185	7	approximately	approximately	ADV
hij-1183	185	8	96	96	NUM
hij-1183	185	9	%	%	NOUN
hij-1183	185	10	and	and	CCONJ
hij-1183	185	11	120	120	NUM
hij-1183	185	12	%	%	NOUN
hij-1183	185	13	over	over	ADP
hij-1183	185	14	s	s	NOUN
hij-1183	185	15	-	-	NOUN
hij-1183	185	16	dbscan	dbscan	NOUN
hij-1183	185	17	and	and	CCONJ
hij-1183	185	18	40	40	NUM
hij-1183	185	19	%	%	NOUN
hij-1183	185	20	and	and	CCONJ
hij-1183	185	21	10	10	NUM
hij-1183	185	22	%	%	NOUN
hij-1183	185	23	over	over	ADP
hij-1183	185	24	k	k	ADJ
hij-1183	185	25	-	-	NOUN
hij-1183	185	26	dbscan	dbscan	NOUN
hij-1183	185	27	.	.	PUNCT
hij-1183	186	1	overall	overall	ADV
hij-1183	186	2	,	,	PUNCT
hij-1183	186	3	the	the	DET
hij-1183	186	4	cap	cap	NOUN
hij-1183	186	5	-	-	PUNCT
hij-1183	186	6	dbscan	dbscan	NOUN
hij-1183	186	7	algorithm	algorithm	NOUN
hij-1183	186	8	demonstrated	demonstrate	VERB
hij-1183	186	9	optimal	optimal	ADJ
hij-1183	186	10	performance	performance	NOUN
hij-1183	186	11	on	on	ADP
hij-1183	186	12	the	the	DET
hij-1183	186	13	iirc_indoorloc	iirc_indoorloc	NOUN
hij-1183	186	14	database	database	NOUN
hij-1183	186	15	when	when	SCONJ
hij-1183	186	16	using	use	VERB
hij-1183	186	17	euclidean	euclidean	ADJ
hij-1183	186	18	distance	distance	NOUN
hij-1183	186	19	as	as	SCONJ
hij-1183	186	20	the	the	DET
hij-1183	186	21	similarity	similarity	NOUN
hij-1183	186	22	metric	metric	ADJ
hij-1183	186	23	.	.	PUNCT
hij-1183	187	1	extending	extend	VERB
hij-1183	187	2	the	the	DET
hij-1183	187	3	analysis	analysis	NOUN
hij-1183	187	4	to	to	ADP
hij-1183	187	5	the	the	DET
hij-1183	187	6	piep_um_indoorloc	piep_um_indoorloc	PROPN
hij-1183	187	7	database	database	NOUN
hij-1183	187	8	,	,	PUNCT
hij-1183	187	9	both	both	CCONJ
hij-1183	187	10	the	the	DET
hij-1183	187	11	k	k	NOUN
hij-1183	187	12	-	-	PUNCT
hij-1183	187	13	dbscan	dbscan	NOUN
hij-1183	187	14	and	and	CCONJ
hij-1183	187	15	cap	cap	NOUN
hij-1183	187	16	-	-	PUNCT
hij-1183	187	17	dbscan	dbscan	NOUN
hij-1183	187	18	algorithms	algorithm	NOUN
hij-1183	187	19	produced	produce	VERB
hij-1183	187	20	clusters	cluster	NOUN
hij-1183	187	21	with	with	ADP
hij-1183	187	22	silhouette	silhouette	NOUN
hij-1183	187	23	scores	score	NOUN
hij-1183	187	24	above	above	ADP
hij-1183	187	25	the	the	DET
hij-1183	187	26	defined	define	VERB
hij-1183	187	27	threshold	threshold	NOUN
hij-1183	187	28	using	use	VERB
hij-1183	187	29	euclidean	euclidean	NOUN
hij-1183	187	30	and	and	CCONJ
hij-1183	187	31	manhattan	manhattan	PROPN
hij-1183	187	32	distances	distance	NOUN
hij-1183	187	33	as	as	ADP
hij-1183	187	34	similarity	similarity	NOUN
hij-1183	187	35	metrics	metric	NOUN
hij-1183	187	36	,	,	PUNCT
hij-1183	187	37	indicating	indicate	VERB
hij-1183	187	38	well	well	ADV
hij-1183	187	39	-	-	PUNCT
hij-1183	187	40	defined	define	VERB
hij-1183	187	41	and	and	CCONJ
hij-1183	187	42	compact	compact	ADJ
hij-1183	187	43	clusters	cluster	NOUN
hij-1183	187	44	.	.	PUNCT
hij-1183	188	1	in	in	ADP
hij-1183	188	2	contrast	contrast	NOUN
hij-1183	188	3	,	,	PUNCT
hij-1183	188	4	the	the	DET
hij-1183	188	5	s	s	ADJ
hij-1183	188	6	-	-	PUNCT
hij-1183	188	7	dbscan	dbscan	ADJ
hij-1183	188	8	algorithm	algorithm	NOUN
hij-1183	188	9	only	only	ADV
hij-1183	188	10	achieved	achieve	VERB
hij-1183	188	11	scores	score	NOUN
hij-1183	188	12	above	above	ADP
hij-1183	188	13	the	the	DET
hij-1183	188	14	threshold	threshold	NOUN
hij-1183	188	15	when	when	SCONJ
hij-1183	188	16	using	use	VERB
hij-1183	188	17	manhattan	manhattan	PROPN
hij-1183	188	18	distance	distance	NOUN
hij-1183	188	19	.	.	PUNCT
hij-1183	189	1	among	among	ADP
hij-1183	189	2	the	the	DET
hij-1183	189	3	three	three	NUM
hij-1183	189	4	algorithms	algorithm	NOUN
hij-1183	189	5	,	,	PUNCT
hij-1183	189	6	the	the	DET
hij-1183	189	7	proposed	propose	VERB
hij-1183	189	8	cap	cap	NOUN
hij-1183	189	9	-	-	PUNCT
hij-1183	189	10	dbscan	dbscan	NOUN
hij-1183	189	11	algorithm	algorithm	NOUN
hij-1183	189	12	achieved	achieve	VERB
hij-1183	189	13	the	the	DET
hij-1183	189	14	highest	high	ADJ
hij-1183	189	15	silhouette	silhouette	NOUN
hij-1183	189	16	scores	score	NOUN
hij-1183	189	17	of	of	ADP
hij-1183	189	18	0.52	0.52	NUM
hij-1183	189	19	and	and	CCONJ
hij-1183	189	20	0.68	0.68	NUM
hij-1183	189	21	with	with	ADP
hij-1183	189	22	euclidean	euclidean	ADJ
hij-1183	189	23	and	and	CCONJ
hij-1183	189	24	manhattan	manhattan	PROPN
hij-1183	189	25	distances	distance	NOUN
hij-1183	189	26	,	,	PUNCT
hij-1183	189	27	respectively	respectively	ADV
hij-1183	189	28	.	.	PUNCT
hij-1183	190	1	compared	compare	VERB
hij-1183	190	2	to	to	ADP
hij-1183	190	3	s	s	NOUN
hij-1183	190	4	-	-	PUNCT
hij-1183	190	5	dbscan	dbscan	NOUN
hij-1183	190	6	and	and	CCONJ
hij-1183	190	7	k	k	ADJ
hij-1183	190	8	-	-	PUNCT
hij-1183	190	9	dbscan	dbscan	NOUN
hij-1183	190	10	,	,	PUNCT
hij-1183	190	11	the	the	DET
hij-1183	190	12	cap	cap	NOUN
hij-1183	190	13	-	-	PUNCT
hij-1183	190	14	dbscan	dbscan	NOUN
hij-1183	190	15	algorithm	algorithm	NOUN
hij-1183	190	16	generated	generate	VERB
hij-1183	190	17	clusters	cluster	NOUN
hij-1183	190	18	that	that	PRON
hij-1183	190	19	were	be	AUX
hij-1183	190	20	62	62	NUM
hij-1183	190	21	%	%	NOUN
hij-1183	190	22	and	and	CCONJ
hij-1183	190	23	60	60	NUM
hij-1183	190	24	%	%	NOUN
hij-1183	190	25	more	more	ADJ
hij-1183	190	26	well	well	ADV
hij-1183	190	27	-	-	PUNCT
hij-1183	190	28	defined	define	VERB
hij-1183	190	29	with	with	ADP
hij-1183	190	30	euclidean	euclidean	ADJ
hij-1183	190	31	distance	distance	NOUN
hij-1183	190	32	,	,	PUNCT
hij-1183	190	33	and	and	CCONJ
hij-1183	190	34	53	53	NUM
hij-1183	190	35	%	%	NOUN
hij-1183	190	36	and	and	CCONJ
hij-1183	190	37	35	35	NUM
hij-1183	190	38	%	%	NOUN
hij-1183	190	39	more	more	ADJ
hij-1183	190	40	well	well	ADV
hij-1183	190	41	-	-	PUNCT
hij-1183	190	42	defined	define	VERB
hij-1183	190	43	with	with	ADP
hij-1183	190	44	manhattan	manhattan	PROPN
hij-1183	190	45	distance	distance	NOUN
hij-1183	190	46	.	.	PUNCT
hij-1183	191	1	overall	overall	ADV
hij-1183	191	2	,	,	PUNCT
hij-1183	191	3	the	the	DET
hij-1183	191	4	cap	cap	NOUN
hij-1183	191	5	-	-	PUNCT
hij-1183	191	6	dbscan	dbscan	NOUN
hij-1183	191	7	algorithm	algorithm	NOUN
hij-1183	191	8	delivered	deliver	VERB
hij-1183	191	9	optimal	optimal	ADJ
hij-1183	191	10	clustering	clustering	ADJ
hij-1183	191	11	performance	performance	NOUN
hij-1183	191	12	on	on	ADP
hij-1183	191	13	the	the	DET
hij-1183	191	14	piep_um_indoorloc	piep_um_indoorloc	PROPN
hij-1183	191	15	database	database	NOUN
hij-1183	191	16	when	when	SCONJ
hij-1183	191	17	using	use	VERB
hij-1183	191	18	manhattan	manhattan	PROPN
hij-1183	191	19	distance	distance	NOUN
hij-1183	191	20	as	as	ADP
hij-1183	191	21	the	the	DET
hij-1183	191	22	similarity	similarity	NOUN
hij-1183	191	23	metric	metric	ADJ
hij-1183	191	24	.	.	PUNCT
hij-1183	192	1	finally	finally	ADV
hij-1183	192	2	,	,	PUNCT
hij-1183	192	3	for	for	ADP
hij-1183	192	4	the	the	DET
hij-1183	192	5	msi_indoorloc	msi_indoorloc	NOUN
hij-1183	192	6	database	database	NOUN
hij-1183	192	7	,	,	PUNCT
hij-1183	192	8	both	both	CCONJ
hij-1183	192	9	the	the	DET
hij-1183	192	10	s	s	NOUN
hij-1183	192	11	-	-	PUNCT
hij-1183	192	12	dbscan	dbscan	NOUN
hij-1183	192	13	and	and	CCONJ
hij-1183	192	14	cap	cap	NOUN
hij-1183	192	15	-	-	PUNCT
hij-1183	192	16	dbscan	dbscan	NOUN
hij-1183	192	17	algorithms	algorithm	NOUN
hij-1183	192	18	generated	generate	VERB
hij-1183	192	19	clusters	cluster	NOUN
hij-1183	192	20	with	with	ADP
hij-1183	192	21	silhouette	silhouette	NOUN
hij-1183	192	22	scores	score	NOUN
hij-1183	192	23	well	well	ADV
hij-1183	192	24	above	above	ADP
hij-1183	192	25	the	the	DET
hij-1183	192	26	defined	define	VERB
hij-1183	192	27	threshold	threshold	NOUN
hij-1183	192	28	for	for	ADP
hij-1183	192	29	both	both	DET
hij-1183	192	30	similarity	similarity	NOUN
hij-1183	192	31	metrics	metric	NOUN
hij-1183	192	32	.	.	PUNCT
hij-1183	193	1	in	in	ADP
hij-1183	193	2	contrast	contrast	NOUN
hij-1183	193	3	,	,	PUNCT
hij-1183	193	4	the	the	DET
hij-1183	193	5	k	k	ADJ
hij-1183	193	6	-	-	PUNCT
hij-1183	193	7	dbscan	dbscan	ADJ
hij-1183	193	8	algorithm	algorithm	NOUN
hij-1183	193	9	only	only	ADV
hij-1183	193	10	achieved	achieve	VERB
hij-1183	193	11	scores	score	NOUN
hij-1183	193	12	above	above	ADP
hij-1183	193	13	the	the	DET
hij-1183	193	14	threshold	threshold	NOUN
hij-1183	193	15	when	when	SCONJ
hij-1183	193	16	using	use	VERB
hij-1183	193	17	manhattan	manhattan	PROPN
hij-1183	193	18	distance	distance	NOUN
hij-1183	193	19	.	.	PUNCT
hij-1183	194	1	notably	notably	ADV
hij-1183	194	2	,	,	PUNCT
hij-1183	194	3	the	the	DET
hij-1183	194	4	cap	cap	NOUN
hij-1183	194	5	-	-	PUNCT
hij-1183	194	6	dbscan	dbscan	NOUN
hij-1183	194	7	algorithm	algorithm	NOUN
hij-1183	194	8	produced	produce	VERB
hij-1183	194	9	clusters	cluster	NOUN
hij-1183	194	10	with	with	ADP
hij-1183	194	11	the	the	DET
hij-1183	194	12	highest	high	ADJ
hij-1183	194	13	silhouette	silhouette	NOUN
hij-1183	194	14	scores	score	NOUN
hij-1183	194	15	of	of	ADP
hij-1183	194	16	0.64	0.64	NUM
hij-1183	194	17	and	and	CCONJ
hij-1183	194	18	0.68	0.68	NUM
hij-1183	194	19	using	use	VERB
hij-1183	194	20	euclidean	euclidean	NOUN
hij-1183	194	21	and	and	CCONJ
hij-1183	194	22	manhattan	manhattan	PROPN
hij-1183	194	23	distances	distance	NOUN
hij-1183	194	24	,	,	PUNCT
hij-1183	194	25	respectively	respectively	ADV
hij-1183	194	26	.	.	PUNCT
hij-1183	195	1	this	this	PRON
hij-1183	195	2	demonstrates	demonstrate	VERB
hij-1183	195	3	its	its	PRON
hij-1183	195	4	superior	superior	ADJ
hij-1183	195	5	ability	ability	NOUN
hij-1183	195	6	to	to	PART
hij-1183	195	7	generate	generate	VERB
hij-1183	195	8	well	well	ADV
hij-1183	195	9	-	-	PUNCT
hij-1183	195	10	defined	define	VERB
hij-1183	195	11	and	and	CCONJ
hij-1183	195	12	compact	compact	ADJ
hij-1183	195	13	clusters	cluster	NOUN
hij-1183	195	14	compared	compare	VERB
hij-1183	195	15	to	to	ADP
hij-1183	195	16	both	both	DET
hij-1183	195	17	sdbscan	sdbscan	NOUN
hij-1183	195	18	and	and	CCONJ
hij-1183	195	19	k	k	ADJ
hij-1183	195	20	-	-	PUNCT
hij-1183	195	21	dbscan	dbscan	NOUN
hij-1183	195	22	.	.	PUNCT
hij-1183	196	1	specifically	specifically	ADV
hij-1183	196	2	,	,	PUNCT
hij-1183	196	3	the	the	DET
hij-1183	196	4	clusters	cluster	NOUN
hij-1183	196	5	generated	generate	VERB
hij-1183	196	6	by	by	ADP
hij-1183	196	7	cap	cap	NOUN
hij-1183	196	8	-	-	PUNCT
hij-1183	196	9	dbscan	dbscan	NOUN
hij-1183	196	10	were	be	AUX
hij-1183	196	11	36	36	NUM
hij-1183	196	12	%	%	NOUN
hij-1183	196	13	and	and	CCONJ
hij-1183	196	14	69	69	NUM
hij-1183	196	15	%	%	NOUN
hij-1183	196	16	more	more	ADV
hij-1183	196	17	welldefined	welldefine	VERB
hij-1183	196	18	and	and	CCONJ
hij-1183	196	19	compact	compact	ADJ
hij-1183	196	20	than	than	ADP
hij-1183	196	21	those	those	PRON
hij-1183	196	22	of	of	ADP
hij-1183	196	23	s	s	NOUN
hij-1183	196	24	-	-	NOUN
hij-1183	196	25	dbscan	dbscan	NOUN
hij-1183	196	26	and	and	CCONJ
hij-1183	196	27	k	k	ADJ
hij-1183	196	28	-	-	PUNCT
hij-1183	196	29	dbscan	dbscan	NOUN
hij-1183	196	30	,	,	PUNCT
hij-1183	196	31	respectively	respectively	ADV
hij-1183	196	32	,	,	PUNCT
hij-1183	196	33	when	when	SCONJ
hij-1183	196	34	using	use	VERB
hij-1183	196	35	euclidean	euclidean	ADJ
hij-1183	196	36	distance	distance	NOUN
hij-1183	196	37	.	.	PUNCT
hij-1183	197	1	with	with	ADP
hij-1183	197	2	manhattan	manhattan	PROPN
hij-1183	197	3	distance	distance	NOUN
hij-1183	197	4	,	,	PUNCT
hij-1183	197	5	the	the	DET
hij-1183	197	6	improvements	improvement	NOUN
hij-1183	197	7	were	be	AUX
hij-1183	197	8	10	10	NUM
hij-1183	197	9	%	%	NOUN
hij-1183	197	10	and	and	CCONJ
hij-1183	197	11	18	18	NUM
hij-1183	197	12	%	%	NOUN
hij-1183	197	13	,	,	PUNCT
hij-1183	197	14	respectively	respectively	ADV
hij-1183	197	15	.	.	PUNCT
hij-1183	198	1	overall	overall	ADV
hij-1183	198	2	,	,	PUNCT
hij-1183	198	3	the	the	DET
hij-1183	198	4	cap	cap	NOUN
hij-1183	198	5	-	-	PUNCT
hij-1183	198	6	dbscan	dbscan	NOUN
hij-1183	198	7	algorithm	algorithm	NOUN
hij-1183	198	8	achieved	achieve	VERB
hij-1183	198	9	its	its	PRON
hij-1183	198	10	best	good	ADJ
hij-1183	198	11	clustering	clustering	ADJ
hij-1183	198	12	performance	performance	NOUN
hij-1183	198	13	on	on	ADP
hij-1183	198	14	the	the	DET
hij-1183	198	15	msi_indoorloc	msi_indoorloc	NOUN
hij-1183	198	16	database	database	NOUN
hij-1183	198	17	when	when	SCONJ
hij-1183	198	18	using	use	VERB
hij-1183	198	19	manhattan	manhattan	PROPN
hij-1183	198	20	distance	distance	NOUN
hij-1183	198	21	as	as	SCONJ
hij-1183	198	22	the	the	DET
hij-1183	198	23	similarity	similarity	NOUN
hij-1183	198	24	metric	metric	ADJ
hij-1183	198	25	.	.	PUNCT
hij-1183	199	1	to	to	PART
hij-1183	199	2	further	far	ADV
hij-1183	199	3	validate	validate	VERB
hij-1183	199	4	the	the	DET
hij-1183	199	5	improvement	improvement	NOUN
hij-1183	199	6	in	in	ADP
hij-1183	199	7	clustering	clustering	ADJ
hij-1183	199	8	performance	performance	NOUN
hij-1183	199	9	achieved	achieve	VERB
hij-1183	199	10	by	by	ADP
hij-1183	199	11	the	the	DET
hij-1183	199	12	cap	cap	NOUN
hij-1183	199	13	-	-	PUNCT
hij-1183	199	14	dbscan	dbscan	NOUN
hij-1183	199	15	algorithm	algorithm	NOUN
hij-1183	199	16	,	,	PUNCT
hij-1183	199	17	a	a	DET
hij-1183	199	18	paired	pair	VERB
hij-1183	199	19	t	t	NOUN
hij-1183	199	20	-	-	PUNCT
hij-1183	199	21	test	test	NOUN
hij-1183	199	22	was	be	AUX
hij-1183	199	23	conducted	conduct	VERB
hij-1183	199	24	using	use	VERB
hij-1183	199	25	the	the	DET
hij-1183	199	26	silhouette	silhouette	NOUN
hij-1183	199	27	scores	score	NOUN
hij-1183	199	28	from	from	ADP
hij-1183	199	29	all	all	DET
hij-1183	199	30	four	four	NUM
hij-1183	199	31	fingerprint	fingerprint	NOUN
hij-1183	199	32	databases	database	NOUN
hij-1183	199	33	.	.	PUNCT
hij-1183	200	1	the	the	DET
hij-1183	200	2	test	test	NOUN
hij-1183	200	3	was	be	AUX
hij-1183	200	4	performed	perform	VERB
hij-1183	200	5	at	at	ADP
hij-1183	200	6	a	a	DET
hij-1183	200	7	significance	significance	NOUN
hij-1183	200	8	level	level	NOUN
hij-1183	200	9	of	of	ADP
hij-1183	200	10	α	α	NOUN
hij-1183	200	11	=	=	NOUN
hij-1183	200	12	0.05	0.05	NUM
hij-1183	200	13	with	with	ADP
hij-1183	200	14	a	a	DET
hij-1183	200	15	degree	degree	NOUN
hij-1183	200	16	of	of	ADP
hij-1183	200	17	freedom	freedom	NOUN
hij-1183	200	18	of	of	ADP
hij-1183	200	19	1	1	NUM
hij-1183	200	20	.	.	PUNCT
hij-1183	201	1	since	since	SCONJ
hij-1183	201	2	the	the	DET
hij-1183	201	3	objective	objective	NOUN
hij-1183	201	4	was	be	AUX
hij-1183	201	5	to	to	PART
hij-1183	201	6	determine	determine	VERB
hij-1183	201	7	whether	whether	SCONJ
hij-1183	201	8	the	the	DET
hij-1183	201	9	capdbscan	capdbscan	ADJ
hij-1183	201	10	algorithm	algorithm	NOUN
hij-1183	201	11	exhibits	exhibit	VERB
hij-1183	201	12	superior	superior	ADJ
hij-1183	201	13	clustering	clustering	ADJ
hij-1183	201	14	performance	performance	NOUN
hij-1183	201	15	compared	compare	VERB
hij-1183	201	16	to	to	ADP
hij-1183	201	17	the	the	DET
hij-1183	201	18	s	s	NOUN
hij-1183	201	19	-	-	NOUN
hij-1183	201	20	dbscan	dbscan	NOUN
hij-1183	201	21	and	and	CCONJ
hij-1183	201	22	k	k	ADJ
hij-1183	201	23	-	-	PUNCT
hij-1183	201	24	dbscan	dbscan	NOUN
hij-1183	201	25	algorithms	algorithm	NOUN
hij-1183	201	26	,	,	PUNCT
hij-1183	201	27	a	a	DET
hij-1183	201	28	one	one	NUM
hij-1183	201	29	-	-	PUNCT
hij-1183	201	30	tailed	tail	VERB
hij-1183	201	31	t	t	NOUN
hij-1183	201	32	-	-	PUNCT
hij-1183	201	33	test	test	NOUN
hij-1183	201	34	was	be	AUX
hij-1183	201	35	employed	employ	VERB
hij-1183	201	36	.	.	PUNCT
hij-1183	202	1	table	table	NOUN
hij-1183	202	2	4	4	NUM
hij-1183	202	3	summarizes	summarize	NOUN
hij-1183	202	4	the	the	DET
hij-1183	202	5	p	p	NOUN
hij-1183	202	6	-	-	PUNCT
hij-1183	202	7	values	value	NOUN
hij-1183	202	8	obtained	obtain	VERB
hij-1183	202	9	from	from	ADP
hij-1183	202	10	the	the	DET
hij-1183	202	11	paired	pair	VERB
hij-1183	202	12	t	t	NOUN
hij-1183	202	13	-	-	PUNCT
hij-1183	202	14	tests	test	NOUN
hij-1183	202	15	comparing	compare	VERB
hij-1183	202	16	sdbscan	sdbscan	NOUN
hij-1183	202	17	vs.	vs.	ADP
hij-1183	202	18	cap	cap	NOUN
hij-1183	202	19	-	-	PUNCT
hij-1183	202	20	dbscan	dbscan	NOUN
hij-1183	202	21	and	and	CCONJ
hij-1183	202	22	k	k	ADJ
hij-1183	202	23	-	-	NOUN
hij-1183	202	24	dbscan	dbscan	NOUN
hij-1183	202	25	vs.	vs.	ADP
hij-1183	202	26	cap	cap	NOUN
hij-1183	202	27	-	-	PUNCT
hij-1183	202	28	dbscan	dbscan	NOUN
hij-1183	202	29	.	.	PUNCT
hij-1183	203	1	hightech	hightech	NOUN
hij-1183	203	2	and	and	CCONJ
hij-1183	203	3	innovation	innovation	NOUN
hij-1183	203	4	journal	journal	PROPN
hij-1183	203	5	vol	vol	NOUN
hij-1183	203	6	.	.	PROPN
hij-1183	204	1	6	6	NUM
hij-1183	204	2	,	,	PUNCT
hij-1183	204	3	no	no	INTJ
hij-1183	204	4	.	.	NOUN
hij-1183	204	5	1	1	NUM
hij-1183	204	6	,	,	PUNCT
hij-1183	204	7	march	march	NOUN
hij-1183	204	8	,	,	PUNCT
hij-1183	204	9	2025	2025	NUM
hij-1183	204	10	359	359	NUM
hij-1183	204	11	table	table	NOUN
hij-1183	204	12	4	4	NUM
hij-1183	204	13	.	.	PUNCT
hij-1183	204	14	paired	pair	VERB
hij-1183	204	15	t	t	PROPN
hij-1183	204	16	-	-	PUNCT
hij-1183	204	17	test	test	NOUN
hij-1183	204	18	results	result	NOUN
hij-1183	204	19	comparing	compare	VERB
hij-1183	204	20	clustering	clustering	ADJ
hij-1183	204	21	performance	performance	NOUN
hij-1183	204	22	of	of	ADP
hij-1183	204	23	s	s	NOUN
hij-1183	204	24	-	-	PUNCT
hij-1183	204	25	dbscan	dbscan	NOUN
hij-1183	204	26	,	,	PUNCT
hij-1183	204	27	k	k	NOUN
hij-1183	204	28	-	-	PUNCT
hij-1183	204	29	dbscan	dbscan	NOUN
hij-1183	204	30	,	,	PUNCT
hij-1183	204	31	and	and	CCONJ
hij-1183	204	32	cap	cap	NOUN
hij-1183	204	33	-	-	PUNCT
hij-1183	204	34	dbscan	dbscan	NOUN
hij-1183	204	35	comparison	comparison	NOUN
hij-1183	204	36	p	p	NOUN
hij-1183	204	37	-	-	PUNCT
hij-1183	204	38	value	value	NOUN
hij-1183	204	39	significance	significance	NOUN
hij-1183	204	40	(	(	PUNCT
hij-1183	204	41	α	α	NOUN
hij-1183	204	42	=	=	NOUN
hij-1183	204	43	0.05	0.05	NUM
hij-1183	204	44	)	)	PUNCT
hij-1183	204	45	s	s	NOUN
hij-1183	204	46	-	-	PUNCT
hij-1183	204	47	dbscan	dbscan	NOUN
hij-1183	204	48	vs.	vs.	ADP
hij-1183	204	49	cap	cap	NOUN
hij-1183	204	50	-	-	PUNCT
hij-1183	204	51	dbscan	dbscan	NOUN
hij-1183	204	52	0.0010	0.0010	NUM
hij-1183	204	53	significant	significant	ADJ
hij-1183	204	54	k	k	NOUN
hij-1183	204	55	-	-	NOUN
hij-1183	204	56	dbscan	dbscan	NOUN
hij-1183	204	57	vs.	vs.	ADP
hij-1183	204	58	cap	cap	NOUN
hij-1183	204	59	-	-	PUNCT
hij-1183	204	60	dbscan	dbscan	NOUN
hij-1183	204	61	0.0012	0.0012	NUM
hij-1183	204	62	significant	significant	ADJ
hij-1183	204	63	at	at	ADP
hij-1183	204	64	a	a	DET
hij-1183	204	65	significance	significance	NOUN
hij-1183	204	66	level	level	NOUN
hij-1183	204	67	of	of	ADP
hij-1183	204	68	α	α	NOUN
hij-1183	204	69	=	=	NOUN
hij-1183	204	70	0.05	0.05	NUM
hij-1183	204	71	,	,	PUNCT
hij-1183	204	72	the	the	DET
hij-1183	204	73	results	result	NOUN
hij-1183	204	74	demonstrate	demonstrate	VERB
hij-1183	204	75	that	that	SCONJ
hij-1183	204	76	the	the	DET
hij-1183	204	77	cap	cap	NOUN
hij-1183	204	78	-	-	PUNCT
hij-1183	204	79	dbscan	dbscan	NOUN
hij-1183	204	80	algorithm	algorithm	NOUN
hij-1183	204	81	significantly	significantly	ADV
hij-1183	204	82	outperforms	outperform	VERB
hij-1183	204	83	both	both	CCONJ
hij-1183	204	84	the	the	DET
hij-1183	204	85	s	s	NOUN
hij-1183	204	86	-	-	PUNCT
hij-1183	204	87	dbscan	dbscan	NOUN
hij-1183	204	88	and	and	CCONJ
hij-1183	204	89	k	k	ADJ
hij-1183	204	90	-	-	PUNCT
hij-1183	204	91	dbscan	dbscan	NOUN
hij-1183	204	92	algorithms	algorithm	NOUN
hij-1183	204	93	,	,	PUNCT
hij-1183	204	94	with	with	ADP
hij-1183	204	95	p	p	NOUN
hij-1183	204	96	-	-	PUNCT
hij-1183	204	97	values	value	NOUN
hij-1183	204	98	of	of	ADP
hij-1183	204	99	0.0010	0.0010	NUM
hij-1183	204	100	and	and	CCONJ
hij-1183	204	101	0.0012	0.0012	NUM
hij-1183	204	102	,	,	PUNCT
hij-1183	204	103	respectively	respectively	ADV
hij-1183	204	104	—	—	PUNCT
hij-1183	204	105	both	both	CCONJ
hij-1183	204	106	well	well	ADV
hij-1183	204	107	below	below	ADP
hij-1183	204	108	the	the	DET
hij-1183	204	109	significance	significance	NOUN
hij-1183	204	110	threshold	threshold	NOUN
hij-1183	204	111	.	.	PUNCT
hij-1183	205	1	this	this	PRON
hij-1183	205	2	provides	provide	VERB
hij-1183	205	3	strong	strong	ADJ
hij-1183	205	4	evidence	evidence	NOUN
hij-1183	205	5	of	of	ADP
hij-1183	205	6	a	a	DET
hij-1183	205	7	statistically	statistically	ADV
hij-1183	205	8	significant	significant	ADJ
hij-1183	205	9	improvement	improvement	NOUN
hij-1183	205	10	in	in	ADP
hij-1183	205	11	the	the	DET
hij-1183	205	12	clustering	clustering	ADJ
hij-1183	205	13	performance	performance	NOUN
hij-1183	205	14	of	of	ADP
hij-1183	205	15	the	the	DET
hij-1183	205	16	cap	cap	NOUN
hij-1183	205	17	-	-	PUNCT
hij-1183	205	18	dbscan	dbscan	NOUN
hij-1183	205	19	algorithm	algorithm	NOUN
hij-1183	205	20	compared	compare	VERB
hij-1183	205	21	to	to	ADP
hij-1183	205	22	the	the	DET
hij-1183	205	23	other	other	ADJ
hij-1183	205	24	two	two	NUM
hij-1183	205	25	algorithms	algorithm	NOUN
hij-1183	205	26	.	.	PUNCT
hij-1183	206	1	these	these	DET
hij-1183	206	2	findings	finding	NOUN
hij-1183	206	3	further	far	ADV
hij-1183	206	4	underscore	underscore	VERB
hij-1183	206	5	the	the	DET
hij-1183	206	6	effectiveness	effectiveness	NOUN
hij-1183	206	7	of	of	ADP
hij-1183	206	8	combining	combine	VERB
hij-1183	206	9	the	the	DET
hij-1183	206	10	cap	cap	NOUN
hij-1183	206	11	algorithm	algorithm	NOUN
hij-1183	206	12	for	for	ADP
hij-1183	206	13	pre	pre	VERB
hij-1183	206	14	-	-	ADJ
hij-1183	206	15	clustering	clustering	ADJ
hij-1183	206	16	with	with	ADP
hij-1183	206	17	the	the	DET
hij-1183	206	18	dbscan	dbscan	ADJ
hij-1183	206	19	algorithm	algorithm	NOUN
hij-1183	206	20	for	for	ADP
hij-1183	206	21	clustering	cluster	VERB
hij-1183	206	22	refinement	refinement	NOUN
hij-1183	206	23	.	.	PUNCT
hij-1183	207	1	overall	overall	ADV
hij-1183	207	2	,	,	PUNCT
hij-1183	207	3	the	the	DET
hij-1183	207	4	analysis	analysis	NOUN
hij-1183	207	5	of	of	ADP
hij-1183	207	6	results	result	NOUN
hij-1183	207	7	across	across	ADP
hij-1183	207	8	the	the	DET
hij-1183	207	9	four	four	NUM
hij-1183	207	10	fingerprint	fingerprint	NOUN
hij-1183	207	11	databases	database	NOUN
hij-1183	207	12	underscores	underscore	VERB
hij-1183	207	13	the	the	DET
hij-1183	207	14	superior	superior	ADJ
hij-1183	207	15	clustering	clustering	ADJ
hij-1183	207	16	performance	performance	NOUN
hij-1183	207	17	of	of	ADP
hij-1183	207	18	the	the	DET
hij-1183	207	19	cap	cap	NOUN
hij-1183	207	20	-	-	PUNCT
hij-1183	207	21	dbscan	dbscan	NOUN
hij-1183	207	22	algorithm	algorithm	NOUN
hij-1183	207	23	,	,	PUNCT
hij-1183	207	24	which	which	PRON
hij-1183	207	25	can	can	AUX
hij-1183	207	26	be	be	AUX
hij-1183	207	27	attributed	attribute	VERB
hij-1183	207	28	to	to	ADP
hij-1183	207	29	the	the	DET
hij-1183	207	30	effectiveness	effectiveness	NOUN
hij-1183	207	31	of	of	ADP
hij-1183	207	32	the	the	DET
hij-1183	207	33	cap	cap	NOUN
hij-1183	207	34	algorithm	algorithm	NOUN
hij-1183	207	35	used	use	VERB
hij-1183	207	36	for	for	ADP
hij-1183	207	37	preclustering	preclustere	VERB
hij-1183	207	38	.	.	PUNCT
hij-1183	208	1	by	by	ADP
hij-1183	208	2	leveraging	leverage	VERB
hij-1183	208	3	the	the	DET
hij-1183	208	4	cap	cap	NOUN
hij-1183	208	5	algorithm	algorithm	NOUN
hij-1183	208	6	,	,	PUNCT
hij-1183	208	7	cap	cap	NOUN
hij-1183	208	8	-	-	PUNCT
hij-1183	208	9	dbscan	dbscan	NOUN
hij-1183	208	10	consistently	consistently	ADV
hij-1183	208	11	achieves	achieve	VERB
hij-1183	208	12	higher	high	ADJ
hij-1183	208	13	silhouette	silhouette	NOUN
hij-1183	208	14	scores	score	NOUN
hij-1183	208	15	compared	compare	VERB
hij-1183	208	16	to	to	ADP
hij-1183	208	17	the	the	DET
hij-1183	208	18	s	s	NOUN
hij-1183	208	19	-	-	NOUN
hij-1183	208	20	dbscan	dbscan	NOUN
hij-1183	208	21	and	and	CCONJ
hij-1183	208	22	k	k	ADJ
hij-1183	208	23	-	-	PUNCT
hij-1183	208	24	dbscan	dbscan	ADJ
hij-1183	208	25	algorithms	algorithm	NOUN
hij-1183	208	26	,	,	PUNCT
hij-1183	208	27	demonstrating	demonstrate	VERB
hij-1183	208	28	its	its	PRON
hij-1183	208	29	ability	ability	NOUN
hij-1183	208	30	to	to	PART
hij-1183	208	31	generate	generate	VERB
hij-1183	208	32	more	more	ADV
hij-1183	208	33	well	well	ADV
hij-1183	208	34	-	-	PUNCT
hij-1183	208	35	defined	define	VERB
hij-1183	208	36	and	and	CCONJ
hij-1183	208	37	compact	compact	ADJ
hij-1183	208	38	clusters	cluster	NOUN
hij-1183	208	39	.	.	PUNCT
hij-1183	209	1	the	the	DET
hij-1183	209	2	statistical	statistical	ADJ
hij-1183	209	3	significance	significance	NOUN
hij-1183	209	4	of	of	ADP
hij-1183	209	5	these	these	DET
hij-1183	209	6	improvements	improvement	NOUN
hij-1183	209	7	is	be	AUX
hij-1183	209	8	further	far	ADV
hij-1183	209	9	confirmed	confirm	VERB
hij-1183	209	10	by	by	ADP
hij-1183	209	11	paired	pair	VERB
hij-1183	209	12	t	t	PROPN
hij-1183	209	13	-	-	PUNCT
hij-1183	209	14	test	test	NOUN
hij-1183	209	15	results	result	NOUN
hij-1183	209	16	,	,	PUNCT
hij-1183	209	17	with	with	ADP
hij-1183	209	18	p	p	NOUN
hij-1183	209	19	-	-	PUNCT
hij-1183	209	20	values	value	NOUN
hij-1183	209	21	below	below	ADP
hij-1183	209	22	the	the	DET
hij-1183	209	23	significance	significance	NOUN
hij-1183	209	24	threshold	threshold	NOUN
hij-1183	209	25	of	of	ADP
hij-1183	209	26	0.05	0.05	NUM
hij-1183	209	27	,	,	PUNCT
hij-1183	209	28	indicating	indicate	VERB
hij-1183	209	29	that	that	SCONJ
hij-1183	209	30	the	the	DET
hij-1183	209	31	performance	performance	NOUN
hij-1183	209	32	gains	gain	NOUN
hij-1183	209	33	are	be	AUX
hij-1183	209	34	robust	robust	ADJ
hij-1183	209	35	and	and	CCONJ
hij-1183	209	36	not	not	PART
hij-1183	209	37	due	due	ADJ
hij-1183	209	38	to	to	ADP
hij-1183	209	39	random	random	ADJ
hij-1183	209	40	chance	chance	NOUN
hij-1183	209	41	.	.	PUNCT
hij-1183	210	1	additionally	additionally	ADV
hij-1183	210	2	,	,	PUNCT
hij-1183	210	3	the	the	DET
hij-1183	210	4	cap	cap	NOUN
hij-1183	210	5	-	-	PUNCT
hij-1183	210	6	dbscan	dbscan	NOUN
hij-1183	210	7	algorithm	algorithm	NOUN
hij-1183	210	8	performs	perform	VERB
hij-1183	210	9	optimally	optimally	ADV
hij-1183	210	10	when	when	SCONJ
hij-1183	210	11	using	use	VERB
hij-1183	210	12	manhattan	manhattan	PROPN
hij-1183	210	13	distance	distance	NOUN
hij-1183	210	14	as	as	ADP
hij-1183	210	15	the	the	DET
hij-1183	210	16	fingerprint	fingerprint	NOUN
hij-1183	210	17	similarity	similarity	NOUN
hij-1183	210	18	metric	metric	NOUN
hij-1183	210	19	,	,	PUNCT
hij-1183	210	20	suggesting	suggest	VERB
hij-1183	210	21	that	that	SCONJ
hij-1183	210	22	the	the	DET
hij-1183	210	23	databases	database	NOUN
hij-1183	210	24	favor	favor	VERB
hij-1183	210	25	similarity	similarity	NOUN
hij-1183	210	26	determination	determination	NOUN
hij-1183	210	27	based	base	VERB
hij-1183	210	28	on	on	ADP
hij-1183	210	29	absolute	absolute	ADJ
hij-1183	210	30	distance	distance	NOUN
hij-1183	210	31	differences	difference	NOUN
hij-1183	210	32	rather	rather	ADV
hij-1183	210	33	than	than	ADP
hij-1183	210	34	euclidean	euclidean	ADJ
hij-1183	210	35	distance	distance	NOUN
hij-1183	210	36	.	.	PUNCT
hij-1183	211	1	this	this	PRON
hij-1183	211	2	aligns	align	VERB
hij-1183	211	3	with	with	ADP
hij-1183	211	4	the	the	DET
hij-1183	211	5	cap	cap	NOUN
hij-1183	211	6	algorithm	algorithm	NOUN
hij-1183	211	7	's	's	PART
hij-1183	211	8	ability	ability	NOUN
hij-1183	211	9	to	to	PART
hij-1183	211	10	handle	handle	VERB
hij-1183	211	11	complex	complex	ADJ
hij-1183	211	12	data	datum	NOUN
hij-1183	211	13	structures	structure	NOUN
hij-1183	211	14	effectively	effectively	ADV
hij-1183	211	15	during	during	ADP
hij-1183	211	16	the	the	DET
hij-1183	211	17	pre	pre	ADJ
hij-1183	211	18	-	-	ADJ
hij-1183	211	19	clustering	clustering	ADJ
hij-1183	211	20	stage	stage	NOUN
hij-1183	211	21	.	.	PUNCT
hij-1183	212	1	however	however	ADV
hij-1183	212	2	,	,	PUNCT
hij-1183	212	3	while	while	SCONJ
hij-1183	212	4	the	the	DET
hij-1183	212	5	cap	cap	NOUN
hij-1183	212	6	-	-	PUNCT
hij-1183	212	7	dbscan	dbscan	NOUN
hij-1183	212	8	algorithm	algorithm	NOUN
hij-1183	212	9	excels	excel	VERB
hij-1183	212	10	in	in	ADP
hij-1183	212	11	clustering	cluster	VERB
hij-1183	212	12	quality	quality	NOUN
hij-1183	212	13	due	due	ADP
hij-1183	212	14	to	to	ADP
hij-1183	212	15	its	its	PRON
hij-1183	212	16	innovative	innovative	ADJ
hij-1183	212	17	pre	pre	ADJ
hij-1183	212	18	-	-	ADJ
hij-1183	212	19	clustering	clustering	ADJ
hij-1183	212	20	approach	approach	NOUN
hij-1183	212	21	,	,	PUNCT
hij-1183	212	22	it	it	PRON
hij-1183	212	23	is	be	AUX
hij-1183	212	24	equally	equally	ADV
hij-1183	212	25	important	important	ADJ
hij-1183	212	26	to	to	PART
hij-1183	212	27	evaluate	evaluate	VERB
hij-1183	212	28	its	its	PRON
hij-1183	212	29	computational	computational	ADJ
hij-1183	212	30	efficiency	efficiency	NOUN
hij-1183	212	31	.	.	PUNCT
hij-1183	213	1	a	a	DET
hij-1183	213	2	thorough	thorough	ADJ
hij-1183	213	3	assessment	assessment	NOUN
hij-1183	213	4	of	of	ADP
hij-1183	213	5	the	the	DET
hij-1183	213	6	computational	computational	ADJ
hij-1183	213	7	burden	burden	NOUN
hij-1183	213	8	imposed	impose	VERB
hij-1183	213	9	by	by	ADP
hij-1183	213	10	cap	cap	NOUN
hij-1183	213	11	-	-	PUNCT
hij-1183	213	12	dbscan	dbscan	NOUN
hij-1183	213	13	,	,	PUNCT
hij-1183	213	14	relative	relative	ADJ
hij-1183	213	15	to	to	ADP
hij-1183	213	16	the	the	DET
hij-1183	213	17	s	s	NOUN
hij-1183	213	18	-	-	NOUN
hij-1183	213	19	dbscan	dbscan	NOUN
hij-1183	213	20	and	and	CCONJ
hij-1183	213	21	k	k	ADJ
hij-1183	213	22	-	-	PUNCT
hij-1183	213	23	dbscan	dbscan	ADJ
hij-1183	213	24	algorithms	algorithm	NOUN
hij-1183	213	25	,	,	PUNCT
hij-1183	213	26	is	be	AUX
hij-1183	213	27	essential	essential	ADJ
hij-1183	213	28	to	to	PART
hij-1183	213	29	determine	determine	VERB
hij-1183	213	30	its	its	PRON
hij-1183	213	31	practicality	practicality	NOUN
hij-1183	213	32	for	for	ADP
hij-1183	213	33	real	real	ADJ
hij-1183	213	34	-	-	PUNCT
hij-1183	213	35	world	world	NOUN
hij-1183	213	36	applications	application	NOUN
hij-1183	213	37	.	.	PUNCT
hij-1183	214	1	this	this	DET
hij-1183	214	2	evaluation	evaluation	NOUN
hij-1183	214	3	is	be	AUX
hij-1183	214	4	presented	present	VERB
hij-1183	214	5	in	in	ADP
hij-1183	214	6	the	the	DET
hij-1183	214	7	following	follow	VERB
hij-1183	214	8	subsection	subsection	NOUN
hij-1183	214	9	.	.	PUNCT
hij-1183	215	1	4.3	4.3	NUM
hij-1183	215	2	.	.	NOUN
hij-1183	215	3	time	time	NOUN
hij-1183	215	4	computational	computational	ADJ
hij-1183	215	5	complexity	complexity	NOUN
hij-1183	215	6	comparison	comparison	NOUN
hij-1183	215	7	with	with	ADP
hij-1183	215	8	s	s	NOUN
hij-1183	215	9	-	-	NOUN
hij-1183	215	10	dbscan	dbscan	NOUN
hij-1183	215	11	and	and	CCONJ
hij-1183	215	12	k	k	ADJ
hij-1183	215	13	-	-	PUNCT
hij-1183	215	14	dbscan	dbscan	ADJ
hij-1183	215	15	algorithms	algorithm	NOUN
hij-1183	215	16	table	table	NOUN
hij-1183	215	17	5	5	NUM
hij-1183	215	18	compares	compare	VERB
hij-1183	215	19	the	the	DET
hij-1183	215	20	computational	computational	ADJ
hij-1183	215	21	complexity	complexity	NOUN
hij-1183	215	22	(	(	PUNCT
hij-1183	215	23	cc	cc	NOUN
hij-1183	215	24	)	)	PUNCT
hij-1183	215	25	of	of	ADP
hij-1183	215	26	the	the	DET
hij-1183	215	27	cap	cap	NOUN
hij-1183	215	28	-	-	PUNCT
hij-1183	215	29	dbscan	dbscan	NOUN
hij-1183	215	30	algorithm	algorithm	NOUN
hij-1183	215	31	with	with	ADP
hij-1183	215	32	the	the	DET
hij-1183	215	33	s	s	NOUN
hij-1183	215	34	-	-	NOUN
hij-1183	215	35	dbscan	dbscan	NOUN
hij-1183	215	36	and	and	CCONJ
hij-1183	215	37	kdbscan	kdbscan	ADJ
hij-1183	215	38	algorithms	algorithm	NOUN
hij-1183	215	39	using	use	VERB
hij-1183	215	40	big	big	ADJ
hij-1183	215	41	o	o	NOUN
hij-1183	215	42	notation	notation	NOUN
hij-1183	215	43	.	.	PUNCT
hij-1183	216	1	as	as	SCONJ
hij-1183	216	2	previously	previously	ADV
hij-1183	216	3	stated	state	VERB
hij-1183	216	4	,	,	PUNCT
hij-1183	216	5	n	n	PRON
hij-1183	216	6	represents	represent	VERB
hij-1183	216	7	the	the	DET
hij-1183	216	8	total	total	ADJ
hij-1183	216	9	number	number	NOUN
hij-1183	216	10	of	of	ADP
hij-1183	216	11	fingerprints	fingerprint	NOUN
hij-1183	216	12	or	or	CCONJ
hij-1183	216	13	rls	rl	NOUN
hij-1183	216	14	in	in	ADP
hij-1183	216	15	the	the	DET
hij-1183	216	16	database	database	NOUN
hij-1183	216	17	,	,	PUNCT
hij-1183	216	18	m	m	PROPN
hij-1183	216	19	denotes	denote	VERB
hij-1183	216	20	the	the	DET
hij-1183	216	21	number	number	NOUN
hij-1183	216	22	of	of	ADP
hij-1183	216	23	wireless	wireless	ADJ
hij-1183	216	24	aps	ap	NOUN
hij-1183	216	25	,	,	PUNCT
hij-1183	216	26	k	k	PROPN
hij-1183	216	27	is	be	AUX
hij-1183	216	28	the	the	DET
hij-1183	216	29	number	number	NOUN
hij-1183	216	30	of	of	ADP
hij-1183	216	31	clusters	cluster	NOUN
hij-1183	216	32	generated	generate	VERB
hij-1183	216	33	by	by	ADP
hij-1183	216	34	the	the	DET
hij-1183	216	35	k	k	PROPN
hij-1183	216	36	-	-	PUNCT
hij-1183	216	37	means++	means++	ADJ
hij-1183	216	38	algorithm	algorithm	NOUN
hij-1183	216	39	,	,	PUNCT
hij-1183	216	40	𝑁𝑚	𝑁𝑚	PROPN
hij-1183	216	41	is	be	AUX
hij-1183	216	42	the	the	DET
hij-1183	216	43	number	number	NOUN
hij-1183	216	44	of	of	ADP
hij-1183	216	45	fingerprints	fingerprint	NOUN
hij-1183	216	46	within	within	ADP
hij-1183	216	47	each	each	DET
hij-1183	216	48	initial	initial	ADJ
hij-1183	216	49	cluster	cluster	NOUN
hij-1183	216	50	obtained	obtain	VERB
hij-1183	216	51	by	by	ADP
hij-1183	216	52	the	the	DET
hij-1183	216	53	cap	cap	NOUN
hij-1183	216	54	algorithm	algorithm	NOUN
hij-1183	216	55	,	,	PUNCT
hij-1183	216	56	and	and	CCONJ
hij-1183	216	57	𝑡	𝑡	PROPN
hij-1183	216	58	refers	refer	VERB
hij-1183	216	59	to	to	ADP
hij-1183	216	60	the	the	DET
hij-1183	216	61	number	number	NOUN
hij-1183	216	62	of	of	ADP
hij-1183	216	63	iterations	iteration	NOUN
hij-1183	216	64	performed	perform	VERB
hij-1183	216	65	by	by	ADP
hij-1183	216	66	the	the	DET
hij-1183	216	67	k	k	PROPN
hij-1183	216	68	-	-	PUNCT
hij-1183	216	69	means++	means++	ADJ
hij-1183	216	70	algorithm	algorithm	NOUN
hij-1183	216	71	.	.	PUNCT
hij-1183	217	1	table	table	NOUN
hij-1183	217	2	5	5	NUM
hij-1183	217	3	.	.	PUNCT
hij-1183	218	1	cc	cc	VERB
hij-1183	218	2	comparison	comparison	NOUN
hij-1183	218	3	with	with	ADP
hij-1183	218	4	other	other	ADJ
hij-1183	218	5	algorithms	algorithm	NOUN
hij-1183	218	6	[	[	X
hij-1183	218	7	9	9	NUM
hij-1183	218	8	]	]	PUNCT
hij-1183	218	9	clustering	clustering	ADJ
hij-1183	218	10	algorithm	algorithm	NOUN
hij-1183	218	11	cc	cc	ADP
hij-1183	218	12	dbscan	dbscan	PROPN
hij-1183	218	13	𝑂(𝑁2	𝑂(𝑁2	PROPN
hij-1183	218	14	)	)	PUNCT
hij-1183	218	15	k	k	ADJ
hij-1183	218	16	-	-	PUNCT
hij-1183	218	17	dbscan	dbscan	ADJ
hij-1183	218	18	𝑂	𝑂	PROPN
hij-1183	218	19	(	(	PUNCT
hij-1183	218	20	𝑡𝑁𝐾	𝑡𝑁𝐾	VERB
hij-1183	218	21	+	+	CCONJ
hij-1183	218	22	(	(	PUNCT
hij-1183	218	23	𝑁	𝑁	PROPN
hij-1183	218	24	𝐾	𝐾	PROPN
hij-1183	218	25	)	)	PUNCT
hij-1183	218	26	2	2	NUM
hij-1183	218	27	(	(	PUNCT
hij-1183	218	28	1	1	NUM
hij-1183	218	29	+	+	NUM
hij-1183	218	30	𝐾(𝐾	𝐾(𝐾	NUM
hij-1183	218	31	−	−	PROPN
hij-1183	218	32	1	1	NUM
hij-1183	218	33	)	)	PUNCT
hij-1183	218	34	2	2	NUM
hij-1183	218	35	)	)	PUNCT
hij-1183	218	36	)	)	PUNCT
hij-1183	218	37	cap	cap	NOUN
hij-1183	218	38	-	-	PUNCT
hij-1183	218	39	dbscan	dbscan	NOUN
hij-1183	218	40	𝑂	𝑂	PROPN
hij-1183	218	41	(	(	PUNCT
hij-1183	218	42	𝑀𝑁	𝑀𝑁	PROPN
hij-1183	218	43	+	+	CCONJ
hij-1183	218	44	∑	∑	PROPN
hij-1183	218	45	𝑁𝐶𝑚	𝑁𝐶𝑚	NOUN
hij-1183	218	46	2	2	NUM
hij-1183	218	47	𝑀	𝑀	PROPN
hij-1183	218	48	𝑚=1	𝑚=1	PUNCT
hij-1183	218	49	)	)	PUNCT
hij-1183	218	50	where	where	SCONJ
hij-1183	218	51	:	:	PUNCT
hij-1183	218	52	n	n	PRON
hij-1183	218	53	is	be	AUX
hij-1183	218	54	the	the	DET
hij-1183	218	55	total	total	ADJ
hij-1183	218	56	number	number	NOUN
hij-1183	218	57	of	of	ADP
hij-1183	218	58	fingerprint	fingerprint	NOUN
hij-1183	218	59	vector	vector	NOUN
hij-1183	218	60	in	in	ADP
hij-1183	218	61	the	the	DET
hij-1183	218	62	database	database	NOUN
hij-1183	218	63	,	,	PUNCT
hij-1183	218	64	k	k	PROPN
hij-1183	218	65	is	be	AUX
hij-1183	218	66	the	the	DET
hij-1183	218	67	number	number	NOUN
hij-1183	218	68	of	of	ADP
hij-1183	218	69	cluster	cluster	NOUN
hij-1183	218	70	generated	generate	VERB
hij-1183	218	71	during	during	ADP
hij-1183	218	72	the	the	DET
hij-1183	218	73	kdbscan	kdbscan	ADJ
hij-1183	218	74	pre	pre	ADJ
hij-1183	218	75	-	-	ADJ
hij-1183	218	76	clustering	clustering	ADJ
hij-1183	218	77	stage	stage	NOUN
hij-1183	218	78	by	by	ADP
hij-1183	218	79	the	the	DET
hij-1183	218	80	k	k	PROPN
hij-1183	218	81	-	-	PUNCT
hij-1183	218	82	means++	means++	ADJ
hij-1183	218	83	algorithm	algorithm	NOUN
hij-1183	218	84	,	,	PUNCT
hij-1183	218	85	t	t	PROPN
hij-1183	218	86	is	be	AUX
hij-1183	218	87	the	the	DET
hij-1183	218	88	number	number	NOUN
hij-1183	218	89	of	of	ADP
hij-1183	218	90	iterations	iteration	NOUN
hij-1183	218	91	required	require	VERB
hij-1183	218	92	for	for	ADP
hij-1183	218	93	clustering	cluster	VERB
hij-1183	218	94	in	in	ADP
hij-1183	218	95	kdbscan	kdbscan	PROPN
hij-1183	218	96	algorithm	algorithm	PROPN
hij-1183	218	97	,	,	PUNCT
hij-1183	218	98	m	m	PROPN
hij-1183	218	99	is	be	AUX
hij-1183	218	100	the	the	DET
hij-1183	218	101	number	number	NOUN
hij-1183	218	102	of	of	ADP
hij-1183	218	103	initial	initial	ADJ
hij-1183	218	104	clusters	cluster	NOUN
hij-1183	218	105	formed	form	VERB
hij-1183	218	106	by	by	ADP
hij-1183	218	107	the	the	DET
hij-1183	218	108	cap	cap	NOUN
hij-1183	218	109	algorithm	algorithm	NOUN
hij-1183	218	110	in	in	ADP
hij-1183	218	111	cap	cap	NOUN
hij-1183	218	112	-	-	PUNCT
hij-1183	218	113	dbscan	dbscan	NOUN
hij-1183	218	114	and	and	CCONJ
hij-1183	218	115	𝑁𝐶𝑚	𝑁𝐶𝑚	NOUN
hij-1183	218	116	is	be	AUX
hij-1183	218	117	the	the	DET
hij-1183	218	118	number	number	NOUN
hij-1183	218	119	of	of	ADP
hij-1183	218	120	fingerprint	fingerprint	NOUN
hij-1183	218	121	vectors	vector	NOUN
hij-1183	218	122	in	in	ADP
hij-1183	218	123	the	the	DET
hij-1183	218	124	m	m	PROPN
hij-1183	218	125	-	-	PUNCT
hij-1183	218	126	th	th	VERB
hij-1183	218	127	cluster	cluster	NOUN
hij-1183	218	128	in	in	ADP
hij-1183	218	129	cap	cap	NOUN
hij-1183	218	130	-	-	PUNCT
hij-1183	218	131	dbscan	dbscan	NOUN
hij-1183	218	132	.	.	PUNCT
hij-1183	219	1	table	table	NOUN
hij-1183	219	2	6	6	NUM
hij-1183	219	3	presents	present	VERB
hij-1183	219	4	the	the	DET
hij-1183	219	5	numerical	numerical	PROPN
hij-1183	219	6	cc	cc	PROPN
hij-1183	219	7	values	value	NOUN
hij-1183	219	8	of	of	ADP
hij-1183	219	9	the	the	DET
hij-1183	219	10	cap	cap	NOUN
hij-1183	219	11	-	-	PUNCT
hij-1183	219	12	dbscan	dbscan	NOUN
hij-1183	219	13	algorithm	algorithm	NOUN
hij-1183	219	14	compared	compare	VERB
hij-1183	219	15	to	to	ADP
hij-1183	219	16	the	the	DET
hij-1183	219	17	s	s	NOUN
hij-1183	219	18	-	-	NOUN
hij-1183	219	19	dbscan	dbscan	NOUN
hij-1183	219	20	and	and	CCONJ
hij-1183	219	21	kdbscan	kdbscan	ADJ
hij-1183	219	22	algorithms	algorithm	NOUN
hij-1183	219	23	across	across	ADP
hij-1183	219	24	all	all	DET
hij-1183	219	25	four	four	NUM
hij-1183	219	26	fingerprint	fingerprint	NOUN
hij-1183	219	27	databases	database	NOUN
hij-1183	219	28	with	with	ADP
hij-1183	219	29	varying	vary	VERB
hij-1183	219	30	characteristics	characteristic	NOUN
hij-1183	219	31	,	,	PUNCT
hij-1183	219	32	as	as	SCONJ
hij-1183	219	33	shown	show	VERB
hij-1183	219	34	in	in	ADP
hij-1183	219	35	table	table	NOUN
hij-1183	219	36	3	3	NUM
hij-1183	219	37	.	.	PUNCT
hij-1183	219	38	table	table	NOUN
hij-1183	219	39	6	6	NUM
hij-1183	219	40	.	.	PUNCT
hij-1183	219	41	numerical	numerical	PROPN
hij-1183	219	42	cc	cc	PROPN
hij-1183	219	43	comparison	comparison	PROPN
hij-1183	219	44	database	database	PROPN
hij-1183	219	45	time	time	NOUN
hij-1183	219	46	cc	cc	PROPN
hij-1183	219	47	s	s	NOUN
hij-1183	219	48	-	-	PUNCT
hij-1183	219	49	dbscan	dbscan	ADJ
hij-1183	219	50	k	k	ADJ
hij-1183	219	51	-	-	PUNCT
hij-1183	219	52	dbscan	dbscan	ADJ
hij-1183	219	53	cap	cap	NOUN
hij-1183	219	54	-	-	PUNCT
hij-1183	219	55	dbscan	dbscan	NOUN
hij-1183	219	56	seug_indoorloc	seug_indoorloc	PROPN
hij-1183	219	57	2,401	2,401	NUM
hij-1183	219	58	1,3475	1,3475	NUM
hij-1183	219	59	1,000	1,000	NUM
hij-1183	219	60	iirc_indoorloc	iirc_indoorloc	ADV
hij-1183	219	61	37,636	37,636	NUM
hij-1183	219	62	19,400	19,400	NUM
hij-1183	219	63	2004	2004	NUM
hij-1183	219	64	piep_um_indoorloc	piep_um_indoorloc	PROPN
hij-1183	219	65	1,000,000	1,000,000	NUM
hij-1183	219	66	508,000	508,000	NUM
hij-1183	219	67	134,440	134,440	NUM
hij-1183	219	68	msi_indoorloc	msi_indoorloc	NOUN
hij-1183	219	69	398,161	398,161	NUM
hij-1183	219	70	206,021	206,021	NUM
hij-1183	219	71	54,234	54,234	NUM
hij-1183	219	72	hightech	hightech	NOUN
hij-1183	219	73	and	and	CCONJ
hij-1183	219	74	innovation	innovation	NOUN
hij-1183	219	75	journal	journal	PROPN
hij-1183	219	76	vol	vol	NOUN
hij-1183	219	77	.	.	PROPN
hij-1183	219	78	6	6	NUM
hij-1183	219	79	,	,	PUNCT
hij-1183	219	80	no	no	INTJ
hij-1183	219	81	.	.	NOUN
hij-1183	219	82	1	1	NUM
hij-1183	219	83	,	,	PUNCT
hij-1183	219	84	march	march	NOUN
hij-1183	219	85	,	,	PUNCT
hij-1183	219	86	2025	2025	NUM
hij-1183	219	87	360	360	NUM
hij-1183	219	88	the	the	DET
hij-1183	219	89	cc	cc	PROPN
hij-1183	219	90	numerical	numerical	ADJ
hij-1183	219	91	values	value	NOUN
hij-1183	219	92	in	in	ADP
hij-1183	219	93	table	table	NOUN
hij-1183	219	94	6	6	NUM
hij-1183	219	95	show	show	NOUN
hij-1183	219	96	that	that	SCONJ
hij-1183	219	97	the	the	DET
hij-1183	219	98	cap	cap	NOUN
hij-1183	219	99	-	-	PUNCT
hij-1183	219	100	dbscan	dbscan	NOUN
hij-1183	219	101	algorithm	algorithm	NOUN
hij-1183	219	102	has	have	VERB
hij-1183	219	103	the	the	DET
hij-1183	219	104	lowest	low	ADJ
hij-1183	219	105	cc	cc	NOUN
hij-1183	219	106	values	value	NOUN
hij-1183	219	107	,	,	PUNCT
hij-1183	219	108	with	with	ADP
hij-1183	219	109	significant	significant	ADJ
hij-1183	219	110	time	time	NOUN
hij-1183	219	111	reductions	reduction	NOUN
hij-1183	219	112	compared	compare	VERB
hij-1183	219	113	to	to	ADP
hij-1183	219	114	the	the	DET
hij-1183	219	115	k	k	NOUN
hij-1183	219	116	-	-	NOUN
hij-1183	219	117	dbscan	dbscan	NOUN
hij-1183	219	118	and	and	CCONJ
hij-1183	219	119	s	s	NOUN
hij-1183	219	120	-	-	PUNCT
hij-1183	219	121	dbscan	dbscan	NOUN
hij-1183	219	122	algorithms	algorithm	NOUN
hij-1183	219	123	across	across	ADP
hij-1183	219	124	all	all	DET
hij-1183	219	125	four	four	NUM
hij-1183	219	126	fingerprint	fingerprint	NOUN
hij-1183	219	127	databases	database	NOUN
hij-1183	219	128	.	.	PUNCT
hij-1183	220	1	for	for	ADP
hij-1183	220	2	instance	instance	NOUN
hij-1183	220	3	,	,	PUNCT
hij-1183	220	4	in	in	ADP
hij-1183	220	5	piep_um_indoorloc	piep_um_indoorloc	PROPN
hij-1183	220	6	,	,	PUNCT
hij-1183	220	7	which	which	PRON
hij-1183	220	8	is	be	AUX
hij-1183	220	9	the	the	DET
hij-1183	220	10	largest	large	ADJ
hij-1183	220	11	fingerprint	fingerprint	NOUN
hij-1183	220	12	database	database	NOUN
hij-1183	220	13	,	,	PUNCT
hij-1183	220	14	the	the	DET
hij-1183	220	15	cap	cap	NOUN
hij-1183	220	16	-	-	PUNCT
hij-1183	220	17	dbscan	dbscan	NOUN
hij-1183	220	18	algorithm	algorithm	NOUN
hij-1183	220	19	has	have	VERB
hij-1183	220	20	a	a	DET
hij-1183	220	21	processing	processing	NOUN
hij-1183	220	22	time	time	NOUN
hij-1183	220	23	of	of	ADP
hij-1183	220	24	about	about	ADV
hij-1183	220	25	134,400	134,400	NUM
hij-1183	220	26	,	,	PUNCT
hij-1183	220	27	compared	compare	VERB
hij-1183	220	28	to	to	ADP
hij-1183	220	29	508,000	508,000	NUM
hij-1183	220	30	and	and	CCONJ
hij-1183	220	31	1,000,000	1,000,000	NUM
hij-1183	220	32	for	for	ADP
hij-1183	220	33	the	the	DET
hij-1183	220	34	k	k	NOUN
hij-1183	220	35	-	-	NOUN
hij-1183	220	36	dbscan	dbscan	NOUN
hij-1183	220	37	and	and	CCONJ
hij-1183	220	38	s	s	NOUN
hij-1183	220	39	-	-	PUNCT
hij-1183	220	40	dbscan	dbscan	NOUN
hij-1183	220	41	algorithms	algorithm	NOUN
hij-1183	220	42	,	,	PUNCT
hij-1183	220	43	respectively	respectively	ADV
hij-1183	220	44	.	.	PUNCT
hij-1183	221	1	this	this	PRON
hij-1183	221	2	means	mean	VERB
hij-1183	221	3	that	that	SCONJ
hij-1183	221	4	the	the	DET
hij-1183	221	5	cap	cap	NOUN
hij-1183	221	6	-	-	PUNCT
hij-1183	221	7	dbscan	dbscan	NOUN
hij-1183	221	8	algorithm	algorithm	NOUN
hij-1183	221	9	achieved	achieve	VERB
hij-1183	221	10	a	a	DET
hij-1183	221	11	percentage	percentage	NOUN
hij-1183	221	12	processing	processing	NOUN
hij-1183	221	13	time	time	NOUN
hij-1183	221	14	reduction	reduction	NOUN
hij-1183	221	15	of	of	ADP
hij-1183	221	16	about	about	ADV
hij-1183	221	17	277	277	NUM
hij-1183	221	18	%	%	NOUN
hij-1183	221	19	and	and	CCONJ
hij-1183	221	20	643	643	NUM
hij-1183	221	21	%	%	NOUN
hij-1183	221	22	in	in	ADP
hij-1183	221	23	comparison	comparison	NOUN
hij-1183	221	24	to	to	ADP
hij-1183	221	25	the	the	DET
hij-1183	221	26	k	k	NOUN
hij-1183	221	27	-	-	NOUN
hij-1183	221	28	dbscan	dbscan	NOUN
hij-1183	221	29	and	and	CCONJ
hij-1183	221	30	s	s	NOUN
hij-1183	221	31	-	-	PUNCT
hij-1183	221	32	dbscan	dbscan	NOUN
hij-1183	221	33	algorithms	algorithm	NOUN
hij-1183	221	34	,	,	PUNCT
hij-1183	221	35	respectively	respectively	ADV
hij-1183	221	36	.	.	PUNCT
hij-1183	222	1	similarly	similarly	ADV
hij-1183	222	2	,	,	PUNCT
hij-1183	222	3	in	in	ADP
hij-1183	222	4	the	the	DET
hij-1183	222	5	msi_indoorloc	msi_indoorloc	NOUN
hij-1183	222	6	database	database	NOUN
hij-1183	222	7	,	,	PUNCT
hij-1183	222	8	which	which	PRON
hij-1183	222	9	is	be	AUX
hij-1183	222	10	the	the	DET
hij-1183	222	11	second	second	ADV
hij-1183	222	12	largest	large	ADJ
hij-1183	222	13	database	database	NOUN
hij-1183	222	14	,	,	PUNCT
hij-1183	222	15	the	the	DET
hij-1183	222	16	cap	cap	NOUN
hij-1183	222	17	-	-	PUNCT
hij-1183	222	18	dbscan	dbscan	NOUN
hij-1183	222	19	algorithm	algorithm	NOUN
hij-1183	222	20	has	have	VERB
hij-1183	222	21	a	a	DET
hij-1183	222	22	processing	processing	NOUN
hij-1183	222	23	time	time	NOUN
hij-1183	222	24	of	of	ADP
hij-1183	222	25	about	about	ADV
hij-1183	222	26	54,234	54,234	NUM
hij-1183	222	27	,	,	PUNCT
hij-1183	222	28	which	which	PRON
hij-1183	222	29	is	be	AUX
hij-1183	222	30	substantially	substantially	ADV
hij-1183	222	31	less	less	ADJ
hij-1183	222	32	than	than	ADP
hij-1183	222	33	the	the	DET
hij-1183	222	34	206,021	206,021	NUM
hij-1183	222	35	for	for	ADP
hij-1183	222	36	k	k	NOUN
hij-1183	222	37	-	-	NOUN
hij-1183	222	38	dbscan	dbscan	NOUN
hij-1183	222	39	and	and	CCONJ
hij-1183	222	40	398,161	398,161	NUM
hij-1183	222	41	for	for	ADP
hij-1183	222	42	s	s	NOUN
hij-1183	222	43	-	-	PUNCT
hij-1183	222	44	dbscan	dbscan	NOUN
hij-1183	222	45	.	.	PUNCT
hij-1183	223	1	this	this	PRON
hij-1183	223	2	translates	translate	VERB
hij-1183	223	3	to	to	ADP
hij-1183	223	4	about	about	ADV
hij-1183	223	5	280	280	NUM
hij-1183	223	6	%	%	NOUN
hij-1183	223	7	and	and	CCONJ
hij-1183	223	8	634	634	NUM
hij-1183	223	9	%	%	NOUN
hij-1183	223	10	,	,	PUNCT
hij-1183	223	11	respectively	respectively	ADV
hij-1183	223	12	,	,	PUNCT
hij-1183	223	13	reductions	reduction	NOUN
hij-1183	223	14	in	in	ADP
hij-1183	223	15	processing	processing	NOUN
hij-1183	223	16	time	time	NOUN
hij-1183	223	17	achieved	achieve	VERB
hij-1183	223	18	by	by	ADP
hij-1183	223	19	the	the	DET
hij-1183	223	20	cap	cap	NOUN
hij-1183	223	21	-	-	PUNCT
hij-1183	223	22	dbcan	dbcan	NOUN
hij-1183	223	23	algorithm	algorithm	NOUN
hij-1183	223	24	in	in	ADP
hij-1183	223	25	comparison	comparison	NOUN
hij-1183	223	26	to	to	ADP
hij-1183	223	27	the	the	DET
hij-1183	223	28	k	k	NOUN
hij-1183	223	29	-	-	NOUN
hij-1183	223	30	dbscan	dbscan	NOUN
hij-1183	223	31	and	and	CCONJ
hij-1183	223	32	s	s	NOUN
hij-1183	223	33	-	-	PUNCT
hij-1183	223	34	dbscan	dbscan	NOUN
hij-1183	223	35	algorithms	algorithm	NOUN
hij-1183	223	36	.	.	PUNCT
hij-1183	224	1	extending	extend	VERB
hij-1183	224	2	the	the	DET
hij-1183	224	3	analysis	analysis	NOUN
hij-1183	224	4	to	to	ADP
hij-1183	224	5	the	the	DET
hij-1183	224	6	small	small	ADJ
hij-1183	224	7	-	-	PUNCT
hij-1183	224	8	scale	scale	NOUN
hij-1183	224	9	fingerprint	fingerprint	NOUN
hij-1183	224	10	databases	database	NOUN
hij-1183	224	11	,	,	PUNCT
hij-1183	224	12	which	which	PRON
hij-1183	224	13	are	be	AUX
hij-1183	224	14	the	the	DET
hij-1183	224	15	seug_indoorloc	seug_indoorloc	PROPN
hij-1183	224	16	and	and	CCONJ
hij-1183	224	17	iirc_indoorloc	iirc_indoorloc	NOUN
hij-1183	224	18	databases	database	NOUN
hij-1183	224	19	,	,	PUNCT
hij-1183	224	20	the	the	DET
hij-1183	224	21	cap	cap	NOUN
hij-1183	224	22	-	-	PUNCT
hij-1183	224	23	dbscan	dbscan	NOUN
hij-1183	224	24	algorithm	algorithm	NOUN
hij-1183	224	25	has	have	VERB
hij-1183	224	26	the	the	DET
hij-1183	224	27	lowest	low	ADJ
hij-1183	224	28	processing	processing	NOUN
hij-1183	224	29	time	time	NOUN
hij-1183	224	30	.	.	PUNCT
hij-1183	225	1	in	in	ADP
hij-1183	225	2	the	the	DET
hij-1183	225	3	seug_indoorloc	seug_indoorloc	PROPN
hij-1183	225	4	database	database	NOUN
hij-1183	225	5	,	,	PUNCT
hij-1183	225	6	the	the	DET
hij-1183	225	7	capdbscan	capdbscan	ADJ
hij-1183	225	8	algorithm	algorithm	NOUN
hij-1183	225	9	has	have	VERB
hij-1183	225	10	a	a	DET
hij-1183	225	11	processing	processing	NOUN
hij-1183	225	12	time	time	NOUN
hij-1183	225	13	of	of	ADP
hij-1183	225	14	about	about	ADP
hij-1183	225	15	1,000	1,000	NUM
hij-1183	225	16	,	,	PUNCT
hij-1183	225	17	which	which	PRON
hij-1183	225	18	is	be	AUX
hij-1183	225	19	about	about	ADV
hij-1183	225	20	35	35	NUM
hij-1183	225	21	%	%	NOUN
hij-1183	225	22	and	and	CCONJ
hij-1183	225	23	140	140	NUM
hij-1183	225	24	%	%	NOUN
hij-1183	225	25	faster	fast	ADJ
hij-1183	225	26	than	than	ADP
hij-1183	225	27	that	that	PRON
hij-1183	225	28	of	of	ADP
hij-1183	225	29	the	the	DET
hij-1183	225	30	kdbscan	kdbscan	NOUN
hij-1183	225	31	and	and	CCONJ
hij-1183	225	32	s	s	NOUN
hij-1183	225	33	-	-	PUNCT
hij-1183	225	34	dbscan	dbscan	NOUN
hij-1183	225	35	algorithms	algorithm	NOUN
hij-1183	225	36	,	,	PUNCT
hij-1183	225	37	respectively	respectively	ADV
hij-1183	225	38	.	.	PUNCT
hij-1183	226	1	also	also	ADV
hij-1183	226	2	,	,	PUNCT
hij-1183	226	3	in	in	ADP
hij-1183	226	4	the	the	DET
hij-1183	226	5	iirc_indoorloc	iirc_indoorloc	NOUN
hij-1183	226	6	database	database	NOUN
hij-1183	226	7	,	,	PUNCT
hij-1183	226	8	the	the	DET
hij-1183	226	9	cap	cap	NOUN
hij-1183	226	10	-	-	PUNCT
hij-1183	226	11	dbscan	dbscan	NOUN
hij-1183	226	12	algorithm	algorithm	NOUN
hij-1183	226	13	has	have	VERB
hij-1183	226	14	a	a	DET
hij-1183	226	15	processing	processing	NOUN
hij-1183	226	16	time	time	NOUN
hij-1183	226	17	of	of	ADP
hij-1183	226	18	about	about	ADV
hij-1183	226	19	2,004	2,004	NUM
hij-1183	226	20	,	,	PUNCT
hij-1183	226	21	which	which	PRON
hij-1183	226	22	is	be	AUX
hij-1183	226	23	about	about	ADV
hij-1183	226	24	868	868	NUM
hij-1183	226	25	%	%	NOUN
hij-1183	226	26	faster	fast	ADV
hij-1183	226	27	than	than	ADP
hij-1183	226	28	the	the	DET
hij-1183	226	29	k	k	ADJ
hij-1183	226	30	-	-	PUNCT
hij-1183	226	31	dbscan	dbscan	NOUN
hij-1183	226	32	algorithm	algorithm	NOUN
hij-1183	226	33	and	and	CCONJ
hij-1183	226	34	1,778	1,778	NUM
hij-1183	226	35	%	%	NOUN
hij-1183	226	36	faster	fast	ADV
hij-1183	226	37	than	than	ADP
hij-1183	226	38	the	the	DET
hij-1183	226	39	s	s	NOUN
hij-1183	226	40	-	-	PUNCT
hij-1183	226	41	dbscan	dbscan	NOUN
hij-1183	226	42	algorithm	algorithm	NOUN
hij-1183	226	43	.	.	PUNCT
hij-1183	227	1	the	the	DET
hij-1183	227	2	improved	improved	ADJ
hij-1183	227	3	performance	performance	NOUN
hij-1183	227	4	achieved	achieve	VERB
hij-1183	227	5	by	by	ADP
hij-1183	227	6	the	the	DET
hij-1183	227	7	cap	cap	NOUN
hij-1183	227	8	-	-	PUNCT
hij-1183	227	9	dbscan	dbscan	NOUN
hij-1183	227	10	algorithm	algorithm	NOUN
hij-1183	227	11	can	can	AUX
hij-1183	227	12	be	be	AUX
hij-1183	227	13	attributed	attribute	VERB
hij-1183	227	14	to	to	ADP
hij-1183	227	15	its	its	PRON
hij-1183	227	16	optimised	optimise	VERB
hij-1183	227	17	pre	pre	ADJ
hij-1183	227	18	-	-	ADJ
hij-1183	227	19	clustering	clustering	ADJ
hij-1183	227	20	processing	processing	NOUN
hij-1183	227	21	using	use	VERB
hij-1183	227	22	the	the	DET
hij-1183	227	23	cap	cap	NOUN
hij-1183	227	24	algorithm	algorithm	NOUN
hij-1183	227	25	,	,	PUNCT
hij-1183	227	26	which	which	PRON
hij-1183	227	27	generates	generate	VERB
hij-1183	227	28	well	well	ADV
hij-1183	227	29	-	-	PUNCT
hij-1183	227	30	structured	structure	VERB
hij-1183	227	31	and	and	CCONJ
hij-1183	227	32	compacted	compact	VERB
hij-1183	227	33	sub	sub	NOUN
hij-1183	227	34	-	-	NOUN
hij-1183	227	35	clusters	cluster	NOUN
hij-1183	227	36	that	that	PRON
hij-1183	227	37	minimise	minimise	NOUN
hij-1183	227	38	unnecessary	unnecessary	ADJ
hij-1183	227	39	computations	computation	NOUN
hij-1183	227	40	.	.	PUNCT
hij-1183	228	1	this	this	DET
hij-1183	228	2	low	low	ADJ
hij-1183	228	3	computational	computational	ADJ
hij-1183	228	4	efficiency	efficiency	NOUN
hij-1183	228	5	is	be	AUX
hij-1183	228	6	especially	especially	ADV
hij-1183	228	7	valuable	valuable	ADJ
hij-1183	228	8	in	in	ADP
hij-1183	228	9	large	large	ADJ
hij-1183	228	10	-	-	PUNCT
hij-1183	228	11	scale	scale	NOUN
hij-1183	228	12	,	,	PUNCT
hij-1183	228	13	fingerprint	fingerprint	NOUN
hij-1183	228	14	-	-	PUNCT
hij-1183	228	15	based	base	VERB
hij-1183	228	16	localization	localization	NOUN
hij-1183	228	17	systems	system	NOUN
hij-1183	228	18	where	where	SCONJ
hij-1183	228	19	computational	computational	ADJ
hij-1183	228	20	resources	resource	NOUN
hij-1183	228	21	are	be	AUX
hij-1183	228	22	limited	limited	ADJ
hij-1183	228	23	.	.	PUNCT
hij-1183	229	1	overall	overall	ADV
hij-1183	229	2	,	,	PUNCT
hij-1183	229	3	the	the	DET
hij-1183	229	4	cc	cc	NOUN
hij-1183	229	5	analysis	analysis	NOUN
hij-1183	229	6	across	across	ADP
hij-1183	229	7	the	the	DET
hij-1183	229	8	four	four	NUM
hij-1183	229	9	fingerprint	fingerprint	NOUN
hij-1183	229	10	databases	database	NOUN
hij-1183	229	11	suggests	suggest	VERB
hij-1183	229	12	that	that	SCONJ
hij-1183	229	13	the	the	DET
hij-1183	229	14	cap	cap	NOUN
hij-1183	229	15	-	-	PUNCT
hij-1183	229	16	dbcan	dbcan	NOUN
hij-1183	229	17	algorithm	algorithm	NOUN
hij-1183	229	18	is	be	AUX
hij-1183	229	19	a	a	DET
hij-1183	229	20	robust	robust	ADJ
hij-1183	229	21	choice	choice	NOUN
hij-1183	229	22	for	for	ADP
hij-1183	229	23	clustering	clustering	ADJ
hij-1183	229	24	tasks	task	NOUN
hij-1183	229	25	in	in	ADP
hij-1183	229	26	resource	resource	NOUN
hij-1183	229	27	-	-	PUNCT
hij-1183	229	28	constrained	constrain	VERB
hij-1183	229	29	fingerprinting	fingerprinting	NOUN
hij-1183	229	30	-	-	PUNCT
hij-1183	229	31	based	base	VERB
hij-1183	229	32	localization	localization	NOUN
hij-1183	229	33	systems	system	NOUN
hij-1183	229	34	.	.	PUNCT
hij-1183	230	1	this	this	PRON
hij-1183	230	2	is	be	AUX
hij-1183	230	3	due	due	ADJ
hij-1183	230	4	to	to	ADP
hij-1183	230	5	its	its	PRON
hij-1183	230	6	reduced	reduced	ADJ
hij-1183	230	7	computational	computational	ADJ
hij-1183	230	8	costs	cost	NOUN
hij-1183	230	9	with	with	ADP
hij-1183	230	10	high	high	ADJ
hij-1183	230	11	clustering	clustering	ADJ
hij-1183	230	12	accuracy	accuracy	NOUN
hij-1183	230	13	.	.	PUNCT
hij-1183	231	1	in	in	ADP
hij-1183	231	2	summary	summary	NOUN
hij-1183	231	3	,	,	PUNCT
hij-1183	231	4	based	base	VERB
hij-1183	231	5	on	on	ADP
hij-1183	231	6	silhouette	silhouette	NOUN
hij-1183	231	7	score	score	NOUN
hij-1183	231	8	and	and	CCONJ
hij-1183	231	9	cc	cc	ADP
hij-1183	231	10	comparison	comparison	NOUN
hij-1183	231	11	analysis	analysis	NOUN
hij-1183	231	12	,	,	PUNCT
hij-1183	231	13	the	the	DET
hij-1183	231	14	cap	cap	NOUN
hij-1183	231	15	-	-	PUNCT
hij-1183	231	16	dbscan	dbscan	NOUN
hij-1183	231	17	algorithm	algorithm	NOUN
hij-1183	231	18	has	have	AUX
hij-1183	231	19	been	be	AUX
hij-1183	231	20	established	establish	VERB
hij-1183	231	21	as	as	ADP
hij-1183	231	22	a	a	DET
hij-1183	231	23	robust	robust	ADJ
hij-1183	231	24	and	and	CCONJ
hij-1183	231	25	efficient	efficient	ADJ
hij-1183	231	26	clustering	clustering	NOUN
hij-1183	231	27	technique	technique	NOUN
hij-1183	231	28	,	,	PUNCT
hij-1183	231	29	effectively	effectively	ADV
hij-1183	231	30	addressing	address	VERB
hij-1183	231	31	the	the	DET
hij-1183	231	32	limitations	limitation	NOUN
hij-1183	231	33	of	of	ADP
hij-1183	231	34	the	the	DET
hij-1183	231	35	s	s	NOUN
hij-1183	231	36	-	-	NOUN
hij-1183	231	37	dbscan	dbscan	NOUN
hij-1183	231	38	and	and	CCONJ
hij-1183	231	39	k	k	ADJ
hij-1183	231	40	-	-	PUNCT
hij-1183	231	41	dbscan	dbscan	NOUN
hij-1183	231	42	algorithms	algorithm	NOUN
hij-1183	231	43	.	.	PUNCT
hij-1183	232	1	the	the	DET
hij-1183	232	2	s	s	ADJ
hij-1183	232	3	-	-	PUNCT
hij-1183	232	4	dbscan	dbscan	NOUN
hij-1183	232	5	algorithm	algorithm	NOUN
hij-1183	232	6	suffers	suffer	VERB
hij-1183	232	7	from	from	ADP
hij-1183	232	8	a	a	DET
hij-1183	232	9	high	high	ADJ
hij-1183	232	10	computational	computational	ADJ
hij-1183	232	11	burden	burden	NOUN
hij-1183	232	12	,	,	PUNCT
hij-1183	232	13	which	which	PRON
hij-1183	232	14	is	be	AUX
hij-1183	232	15	mitigated	mitigate	VERB
hij-1183	232	16	in	in	ADP
hij-1183	232	17	the	the	DET
hij-1183	232	18	cap	cap	NOUN
hij-1183	232	19	-	-	PUNCT
hij-1183	232	20	dbscan	dbscan	NOUN
hij-1183	232	21	and	and	CCONJ
hij-1183	232	22	k	k	ADJ
hij-1183	232	23	-	-	PUNCT
hij-1183	232	24	dbscan	dbscan	NOUN
hij-1183	232	25	algorithms	algorithm	NOUN
hij-1183	232	26	through	through	ADP
hij-1183	232	27	pre	pre	ADJ
hij-1183	232	28	-	-	ADJ
hij-1183	232	29	clustering	clustering	ADJ
hij-1183	232	30	processing	processing	NOUN
hij-1183	232	31	using	use	VERB
hij-1183	232	32	the	the	DET
hij-1183	232	33	cap	cap	NOUN
hij-1183	232	34	and	and	CCONJ
hij-1183	232	35	k	k	ADJ
hij-1183	232	36	-	-	ADJ
hij-1183	232	37	means++	means++	ADJ
hij-1183	232	38	algorithms	algorithm	NOUN
hij-1183	232	39	,	,	PUNCT
hij-1183	232	40	respectively	respectively	ADV
hij-1183	232	41	.	.	PUNCT
hij-1183	233	1	however	however	ADV
hij-1183	233	2	,	,	PUNCT
hij-1183	233	3	the	the	DET
hij-1183	233	4	performance	performance	NOUN
hij-1183	233	5	of	of	ADP
hij-1183	233	6	the	the	DET
hij-1183	233	7	k	k	ADJ
hij-1183	233	8	-	-	PUNCT
hij-1183	233	9	dbscan	dbscan	NOUN
hij-1183	233	10	algorithm	algorithm	NOUN
hij-1183	233	11	heavily	heavily	ADV
hij-1183	233	12	depends	depend	VERB
hij-1183	233	13	on	on	ADP
hij-1183	233	14	the	the	DET
hij-1183	233	15	effectiveness	effectiveness	NOUN
hij-1183	233	16	of	of	ADP
hij-1183	233	17	the	the	DET
hij-1183	233	18	k	k	ADJ
hij-1183	233	19	-	-	PUNCT
hij-1183	233	20	means++	means++	ADJ
hij-1183	233	21	algorithm	algorithm	NOUN
hij-1183	233	22	,	,	PUNCT
hij-1183	233	23	which	which	PRON
hij-1183	233	24	,	,	PUNCT
hij-1183	233	25	in	in	ADP
hij-1183	233	26	turn	turn	NOUN
hij-1183	233	27	,	,	PUNCT
hij-1183	233	28	is	be	AUX
hij-1183	233	29	influenced	influence	VERB
hij-1183	233	30	by	by	ADP
hij-1183	233	31	factors	factor	NOUN
hij-1183	233	32	such	such	ADJ
hij-1183	233	33	as	as	ADP
hij-1183	233	34	the	the	DET
hij-1183	233	35	structure	structure	NOUN
hij-1183	233	36	of	of	ADP
hij-1183	233	37	the	the	DET
hij-1183	233	38	fingerprint	fingerprint	NOUN
hij-1183	233	39	database	database	NOUN
hij-1183	233	40	and	and	CCONJ
hij-1183	233	41	the	the	DET
hij-1183	233	42	predefined	predefine	VERB
hij-1183	233	43	number	number	NOUN
hij-1183	233	44	of	of	ADP
hij-1183	233	45	clusters	cluster	NOUN
hij-1183	233	46	.	.	PUNCT
hij-1183	234	1	in	in	ADP
hij-1183	234	2	contrast	contrast	NOUN
hij-1183	234	3	,	,	PUNCT
hij-1183	234	4	the	the	DET
hij-1183	234	5	cap	cap	NOUN
hij-1183	234	6	-	-	PUNCT
hij-1183	234	7	dbscan	dbscan	NOUN
hij-1183	234	8	algorithm	algorithm	NOUN
hij-1183	234	9	consistently	consistently	ADV
hij-1183	234	10	produces	produce	VERB
hij-1183	234	11	well	well	ADV
hij-1183	234	12	-	-	PUNCT
hij-1183	234	13	structured	structure	VERB
hij-1183	234	14	clusters	cluster	NOUN
hij-1183	234	15	for	for	ADP
hij-1183	234	16	the	the	DET
hij-1183	234	17	dbscan	dbscan	PROPN
hij-1183	234	18	algorithm	algorithm	PROPN
hij-1183	234	19	refinement	refinement	NOUN
hij-1183	234	20	process	process	NOUN
hij-1183	234	21	,	,	PUNCT
hij-1183	234	22	regardless	regardless	ADV
hij-1183	234	23	of	of	ADP
hij-1183	234	24	whether	whether	SCONJ
hij-1183	234	25	the	the	DET
hij-1183	234	26	fingerprint	fingerprint	NOUN
hij-1183	234	27	database	database	NOUN
hij-1183	234	28	is	be	AUX
hij-1183	234	29	structured	structure	VERB
hij-1183	234	30	or	or	CCONJ
hij-1183	234	31	unstructured	unstructure	VERB
hij-1183	234	32	.	.	PUNCT
hij-1183	235	1	notably	notably	ADV
hij-1183	235	2	,	,	PUNCT
hij-1183	235	3	this	this	PRON
hij-1183	235	4	is	be	AUX
hij-1183	235	5	achieved	achieve	VERB
hij-1183	235	6	without	without	ADP
hij-1183	235	7	requiring	require	VERB
hij-1183	235	8	optimal	optimal	ADJ
hij-1183	235	9	input	input	NOUN
hij-1183	235	10	parameter	parameter	NOUN
hij-1183	235	11	selection	selection	NOUN
hij-1183	235	12	for	for	ADP
hij-1183	235	13	the	the	DET
hij-1183	235	14	cap	cap	NOUN
hij-1183	235	15	algorithm	algorithm	NOUN
hij-1183	235	16	.	.	PUNCT
hij-1183	236	1	these	these	DET
hij-1183	236	2	findings	finding	NOUN
hij-1183	236	3	highlight	highlight	VERB
hij-1183	236	4	the	the	DET
hij-1183	236	5	potential	potential	NOUN
hij-1183	236	6	of	of	ADP
hij-1183	236	7	the	the	DET
hij-1183	236	8	cap	cap	NOUN
hij-1183	236	9	-	-	PUNCT
hij-1183	236	10	dbscan	dbscan	NOUN
hij-1183	236	11	algorithm	algorithm	NOUN
hij-1183	236	12	for	for	ADP
hij-1183	236	13	practical	practical	ADJ
hij-1183	236	14	applications	application	NOUN
hij-1183	236	15	in	in	ADP
hij-1183	236	16	resource	resource	NOUN
hij-1183	236	17	-	-	PUNCT
hij-1183	236	18	constrained	constrain	VERB
hij-1183	236	19	fingerprint	fingerprint	NOUN
hij-1183	236	20	-	-	PUNCT
hij-1183	236	21	based	base	VERB
hij-1183	236	22	localization	localization	NOUN
hij-1183	236	23	and	and	CCONJ
hij-1183	236	24	other	other	ADJ
hij-1183	236	25	applications	application	NOUN
hij-1183	236	26	requiring	require	VERB
hij-1183	236	27	robust	robust	ADJ
hij-1183	236	28	clustering	clustering	ADJ
hij-1183	236	29	techniques	technique	NOUN
hij-1183	236	30	.	.	PUNCT
hij-1183	237	1	5	5	X
hij-1183	237	2	.	.	X
hij-1183	237	3	conclusion	conclusion	NOUN
hij-1183	237	4	this	this	DET
hij-1183	237	5	paper	paper	NOUN
hij-1183	237	6	aims	aim	VERB
hij-1183	237	7	to	to	PART
hij-1183	237	8	improve	improve	VERB
hij-1183	237	9	the	the	DET
hij-1183	237	10	clustering	clustering	ADJ
hij-1183	237	11	performance	performance	NOUN
hij-1183	237	12	and	and	CCONJ
hij-1183	237	13	computational	computational	ADJ
hij-1183	237	14	efficiency	efficiency	NOUN
hij-1183	237	15	of	of	ADP
hij-1183	237	16	the	the	DET
hij-1183	237	17	dbscan	dbscan	PROPN
hij-1183	237	18	algorithm	algorithm	NOUN
hij-1183	237	19	,	,	PUNCT
hij-1183	237	20	particularly	particularly	ADV
hij-1183	237	21	when	when	SCONJ
hij-1183	237	22	dealing	deal	VERB
hij-1183	237	23	with	with	ADP
hij-1183	237	24	fingerprint	fingerprint	NOUN
hij-1183	237	25	databases	database	NOUN
hij-1183	237	26	of	of	ADP
hij-1183	237	27	varying	vary	VERB
hij-1183	237	28	densities	density	NOUN
hij-1183	237	29	,	,	PUNCT
hij-1183	237	30	as	as	ADP
hij-1183	237	31	a	a	DET
hij-1183	237	32	single	single	ADJ
hij-1183	237	33	eps	eps	NOUN
hij-1183	237	34	value	value	NOUN
hij-1183	237	35	can	can	AUX
hij-1183	237	36	not	not	PART
hij-1183	237	37	effectively	effectively	ADV
hij-1183	237	38	accommodate	accommodate	VERB
hij-1183	237	39	all	all	DET
hij-1183	237	40	cluster	cluster	NOUN
hij-1183	237	41	types	type	NOUN
hij-1183	237	42	.	.	PUNCT
hij-1183	238	1	to	to	PART
hij-1183	238	2	address	address	VERB
hij-1183	238	3	this	this	PRON
hij-1183	238	4	,	,	PUNCT
hij-1183	238	5	the	the	DET
hij-1183	238	6	paper	paper	NOUN
hij-1183	238	7	proposes	propose	VERB
hij-1183	238	8	a	a	DET
hij-1183	238	9	hybrid	hybrid	ADJ
hij-1183	238	10	pre	pre	ADJ
hij-1183	238	11	-	-	ADJ
hij-1183	238	12	clustering	clustering	ADJ
hij-1183	238	13	algorithm	algorithm	NOUN
hij-1183	238	14	called	call	VERB
hij-1183	238	15	the	the	DET
hij-1183	238	16	capdbscan	capdbscan	ADJ
hij-1183	238	17	algorithm	algorithm	NOUN
hij-1183	238	18	.	.	PUNCT
hij-1183	239	1	the	the	DET
hij-1183	239	2	cap	cap	NOUN
hij-1183	239	3	-	-	PUNCT
hij-1183	239	4	dbscan	dbscan	NOUN
hij-1183	239	5	algorithm	algorithm	NOUN
hij-1183	239	6	integrates	integrate	VERB
hij-1183	239	7	the	the	DET
hij-1183	239	8	cap	cap	NOUN
hij-1183	239	9	algorithm	algorithm	NOUN
hij-1183	239	10	,	,	PUNCT
hij-1183	239	11	a	a	DET
hij-1183	239	12	wireless	wireless	NOUN
hij-1183	239	13	ap	ap	NOUN
hij-1183	239	14	proximity	proximity	NOUN
hij-1183	239	15	-	-	PUNCT
hij-1183	239	16	based	base	VERB
hij-1183	239	17	clustering	clustering	ADJ
hij-1183	239	18	approach	approach	NOUN
hij-1183	239	19	,	,	PUNCT
hij-1183	239	20	to	to	PART
hij-1183	239	21	generate	generate	VERB
hij-1183	239	22	initial	initial	ADJ
hij-1183	239	23	clusters	cluster	NOUN
hij-1183	239	24	.	.	PUNCT
hij-1183	240	1	each	each	PRON
hij-1183	240	2	of	of	ADP
hij-1183	240	3	these	these	DET
hij-1183	240	4	clusters	cluster	NOUN
hij-1183	240	5	is	be	AUX
hij-1183	240	6	subsequently	subsequently	ADV
hij-1183	240	7	refined	refine	VERB
hij-1183	240	8	using	use	VERB
hij-1183	240	9	the	the	DET
hij-1183	240	10	dbscan	dbscan	ADJ
hij-1183	240	11	algorithm	algorithm	NOUN
hij-1183	240	12	,	,	PUNCT
hij-1183	240	13	with	with	SCONJ
hij-1183	240	14	the	the	DET
hij-1183	240	15	eps	eps	PROPN
hij-1183	240	16	value	value	NOUN
hij-1183	240	17	for	for	ADP
hij-1183	240	18	each	each	DET
hij-1183	240	19	cluster	cluster	NOUN
hij-1183	240	20	determined	determine	VERB
hij-1183	240	21	dynamically	dynamically	ADV
hij-1183	240	22	using	use	VERB
hij-1183	240	23	the	the	DET
hij-1183	240	24	k	k	ADJ
hij-1183	240	25	-	-	PUNCT
hij-1183	240	26	distance	distance	NOUN
hij-1183	240	27	plot	plot	NOUN
hij-1183	240	28	method	method	NOUN
hij-1183	240	29	.	.	PUNCT
hij-1183	241	1	the	the	DET
hij-1183	241	2	performance	performance	NOUN
hij-1183	241	3	of	of	ADP
hij-1183	241	4	the	the	DET
hij-1183	241	5	cap	cap	NOUN
hij-1183	241	6	-	-	PUNCT
hij-1183	241	7	dbscan	dbscan	NOUN
hij-1183	241	8	algorithm	algorithm	NOUN
hij-1183	241	9	is	be	AUX
hij-1183	241	10	evaluated	evaluate	VERB
hij-1183	241	11	on	on	ADP
hij-1183	241	12	four	four	NUM
hij-1183	241	13	fingerprint	fingerprint	NOUN
hij-1183	241	14	databases	database	NOUN
hij-1183	241	15	with	with	ADP
hij-1183	241	16	varying	vary	VERB
hij-1183	241	17	characteristics	characteristic	NOUN
hij-1183	241	18	,	,	PUNCT
hij-1183	241	19	using	use	VERB
hij-1183	241	20	both	both	CCONJ
hij-1183	241	21	euclidean	euclidean	ADJ
hij-1183	241	22	and	and	CCONJ
hij-1183	241	23	manhattan	manhattan	PROPN
hij-1183	241	24	distances	distance	NOUN
hij-1183	241	25	as	as	ADP
hij-1183	241	26	similarity	similarity	NOUN
hij-1183	241	27	metrics	metric	NOUN
hij-1183	241	28	.	.	PUNCT
hij-1183	242	1	simulation	simulation	NOUN
hij-1183	242	2	results	result	NOUN
hij-1183	242	3	demonstrate	demonstrate	VERB
hij-1183	242	4	that	that	SCONJ
hij-1183	242	5	the	the	DET
hij-1183	242	6	capdbscan	capdbscan	ADJ
hij-1183	242	7	algorithm	algorithm	NOUN
hij-1183	242	8	is	be	AUX
hij-1183	242	9	computationally	computationally	ADV
hij-1183	242	10	more	more	ADV
hij-1183	242	11	efficient	efficient	ADJ
hij-1183	242	12	compared	compare	VERB
hij-1183	242	13	to	to	ADP
hij-1183	242	14	the	the	DET
hij-1183	242	15	s	s	NOUN
hij-1183	242	16	-	-	NOUN
hij-1183	242	17	dbscan	dbscan	NOUN
hij-1183	242	18	and	and	CCONJ
hij-1183	242	19	k	k	ADJ
hij-1183	242	20	-	-	PUNCT
hij-1183	242	21	dbscan	dbscan	ADJ
hij-1183	242	22	algorithms	algorithm	NOUN
hij-1183	242	23	presented	present	VERB
hij-1183	242	24	in	in	ADP
hij-1183	242	25	previous	previous	ADJ
hij-1183	242	26	studies	study	NOUN
hij-1183	242	27	.	.	PUNCT
hij-1183	243	1	clustering	cluster	VERB
hij-1183	243	2	performance	performance	NOUN
hij-1183	243	3	,	,	PUNCT
hij-1183	243	4	assessed	assess	VERB
hij-1183	243	5	using	use	VERB
hij-1183	243	6	the	the	DET
hij-1183	243	7	silhouette	silhouette	NOUN
hij-1183	243	8	score	score	NOUN
hij-1183	243	9	as	as	ADP
hij-1183	243	10	a	a	DET
hij-1183	243	11	performance	performance	NOUN
hij-1183	243	12	metric	metric	NOUN
hij-1183	243	13	,	,	PUNCT
hij-1183	243	14	reveals	reveal	VERB
hij-1183	243	15	that	that	SCONJ
hij-1183	243	16	the	the	DET
hij-1183	243	17	cap	cap	NOUN
hij-1183	243	18	-	-	PUNCT
hij-1183	243	19	dbscan	dbscan	NOUN
hij-1183	243	20	algorithm	algorithm	NOUN
hij-1183	243	21	consistently	consistently	ADV
hij-1183	243	22	generates	generate	VERB
hij-1183	243	23	clusters	cluster	NOUN
hij-1183	243	24	that	that	PRON
hij-1183	243	25	are	be	AUX
hij-1183	243	26	better	well	ADV
hij-1183	243	27	separated	separate	VERB
hij-1183	243	28	and	and	CCONJ
hij-1183	243	29	more	more	ADV
hij-1183	243	30	compact	compact	ADJ
hij-1183	243	31	across	across	ADP
hij-1183	243	32	all	all	DET
hij-1183	243	33	four	four	NUM
hij-1183	243	34	fingerprint	fingerprint	NOUN
hij-1183	243	35	databases	database	NOUN
hij-1183	243	36	considered	consider	VERB
hij-1183	243	37	.	.	PUNCT
hij-1183	244	1	additionally	additionally	ADV
hij-1183	244	2	,	,	PUNCT
hij-1183	244	3	the	the	DET
hij-1183	244	4	cap	cap	NOUN
hij-1183	244	5	algorithm	algorithm	NOUN
hij-1183	244	6	’s	’s	PART
hij-1183	244	7	pre	pre	ADJ
hij-1183	244	8	-	-	ADJ
hij-1183	244	9	clustering	clustering	ADJ
hij-1183	244	10	process	process	NOUN
hij-1183	244	11	is	be	AUX
hij-1183	244	12	independent	independent	ADJ
hij-1183	244	13	of	of	ADP
hij-1183	244	14	input	input	NOUN
hij-1183	244	15	parameters	parameter	NOUN
hij-1183	244	16	,	,	PUNCT
hij-1183	244	17	unlike	unlike	ADP
hij-1183	244	18	the	the	DET
hij-1183	244	19	k	k	ADJ
hij-1183	244	20	-	-	PUNCT
hij-1183	244	21	means++	means++	ADJ
hij-1183	244	22	algorithm	algorithm	NOUN
hij-1183	244	23	employed	employ	VERB
hij-1183	244	24	in	in	ADP
hij-1183	244	25	the	the	DET
hij-1183	244	26	k	k	ADJ
hij-1183	244	27	-	-	PUNCT
hij-1183	244	28	dbscan	dbscan	NOUN
hij-1183	244	29	algorithm	algorithm	NOUN
hij-1183	244	30	.	.	PUNCT
hij-1183	245	1	overall	overall	ADV
hij-1183	245	2	,	,	PUNCT
hij-1183	245	3	the	the	DET
hij-1183	245	4	optimal	optimal	ADJ
hij-1183	245	5	clustering	clustering	ADJ
hij-1183	245	6	performance	performance	NOUN
hij-1183	245	7	of	of	ADP
hij-1183	245	8	the	the	DET
hij-1183	245	9	proposed	propose	VERB
hij-1183	245	10	cap	cap	NOUN
hij-1183	245	11	-	-	PUNCT
hij-1183	245	12	dbscan	dbscan	NOUN
hij-1183	245	13	algorithm	algorithm	NOUN
hij-1183	245	14	is	be	AUX
hij-1183	245	15	achieved	achieve	VERB
hij-1183	245	16	when	when	SCONJ
hij-1183	245	17	manhattan	manhattan	PROPN
hij-1183	245	18	distance	distance	NOUN
hij-1183	245	19	is	be	AUX
hij-1183	245	20	used	use	VERB
hij-1183	245	21	as	as	ADP
hij-1183	245	22	the	the	DET
hij-1183	245	23	fingerprint	fingerprint	NOUN
hij-1183	245	24	similarity	similarity	NOUN
hij-1183	245	25	metric	metric	NOUN
hij-1183	245	26	.	.	PUNCT
hij-1183	246	1	since	since	SCONJ
hij-1183	246	2	the	the	DET
hij-1183	246	3	performance	performance	NOUN
hij-1183	246	4	of	of	ADP
hij-1183	246	5	the	the	DET
hij-1183	246	6	dbscan	dbscan	ADJ
hij-1183	246	7	algorithm	algorithm	NOUN
hij-1183	246	8	is	be	AUX
hij-1183	246	9	also	also	ADV
hij-1183	246	10	influenced	influence	VERB
hij-1183	246	11	by	by	ADP
hij-1183	246	12	the	the	DET
hij-1183	246	13	choice	choice	NOUN
hij-1183	246	14	of	of	ADP
hij-1183	246	15	fingerprint	fingerprint	NOUN
hij-1183	246	16	similarity	similarity	NOUN
hij-1183	246	17	metric	metric	NOUN
hij-1183	246	18	,	,	PUNCT
hij-1183	246	19	future	future	ADJ
hij-1183	246	20	work	work	NOUN
hij-1183	246	21	will	will	AUX
hij-1183	246	22	explore	explore	VERB
hij-1183	246	23	the	the	DET
hij-1183	246	24	potential	potential	NOUN
hij-1183	246	25	of	of	ADP
hij-1183	246	26	incorporating	incorporate	VERB
hij-1183	246	27	a	a	DET
hij-1183	246	28	pattern	pattern	NOUN
hij-1183	246	29	-	-	PUNCT
hij-1183	246	30	based	base	VERB
hij-1183	246	31	fingerprint	fingerprint	NOUN
hij-1183	246	32	similarity	similarity	NOUN
hij-1183	246	33	metric	metric	NOUN
hij-1183	246	34	.	.	PUNCT
hij-1183	247	1	this	this	DET
hij-1183	247	2	approach	approach	NOUN
hij-1183	247	3	contrasts	contrast	VERB
hij-1183	247	4	with	with	ADP
hij-1183	247	5	the	the	DET
hij-1183	247	6	commonly	commonly	ADV
hij-1183	247	7	used	use	VERB
hij-1183	247	8	distance	distance	NOUN
hij-1183	247	9	-	-	PUNCT
hij-1183	247	10	based	base	VERB
hij-1183	247	11	metrics	metric	NOUN
hij-1183	247	12	and	and	CCONJ
hij-1183	247	13	aims	aim	VERB
hij-1183	247	14	to	to	PART
hij-1183	247	15	further	far	ADV
hij-1183	247	16	enhance	enhance	VERB
hij-1183	247	17	the	the	DET
hij-1183	247	18	effectiveness	effectiveness	NOUN
hij-1183	247	19	of	of	ADP
hij-1183	247	20	the	the	DET
hij-1183	247	21	capdbscan	capdbscan	ADJ
hij-1183	247	22	algorithm	algorithm	NOUN
hij-1183	247	23	.	.	PUNCT
hij-1183	248	1	6	6	X
hij-1183	248	2	.	.	X
hij-1183	248	3	declarations	declaration	NOUN
hij-1183	248	4	6.1	6.1	NUM
hij-1183	248	5	.	.	PUNCT
hij-1183	249	1	author	author	NOUN
hij-1183	249	2	contributions	contribution	NOUN
hij-1183	249	3	conceptualization	conceptualization	NOUN
hij-1183	249	4	,	,	PUNCT
hij-1183	249	5	a.s.y	a.s.y	NOUN
hij-1183	249	6	.	.	PUNCT
hij-1183	249	7	;	;	PUNCT
hij-1183	249	8	methodology	methodology	NOUN
hij-1183	249	9	,	,	PUNCT
hij-1183	249	10	a.s.y	a.s.y	PROPN
hij-1183	249	11	.	.	PUNCT
hij-1183	249	12	;	;	PUNCT
hij-1183	250	1	software	software	NOUN
hij-1183	250	2	,	,	PUNCT
hij-1183	250	3	f.m	f.m	PROPN
hij-1183	250	4	.	.	PROPN
hij-1183	250	5	and	and	CCONJ
hij-1183	250	6	p.p	p.p	PROPN
hij-1183	250	7	.	.	PROPN
hij-1183	250	8	;	;	PUNCT
hij-1183	250	9	validation	validation	NOUN
hij-1183	250	10	,	,	PUNCT
hij-1183	250	11	a.s.y	a.s.y	PROPN
hij-1183	250	12	.	.	PUNCT
hij-1183	250	13	;	;	PUNCT
hij-1183	250	14	formal	formal	ADJ
hij-1183	250	15	analysis	analysis	NOUN
hij-1183	250	16	,	,	PUNCT
hij-1183	250	17	a.s.y	a.s.y	PROPN
hij-1183	250	18	.	.	PUNCT
hij-1183	250	19	;	;	PUNCT
hij-1183	250	20	investigation	investigation	NOUN
hij-1183	250	21	,	,	PUNCT
hij-1183	250	22	a.s.y	a.s.y	PROPN
hij-1183	250	23	.	.	PUNCT
hij-1183	250	24	;	;	PUNCT
hij-1183	250	25	resources	resource	NOUN
hij-1183	250	26	,	,	PUNCT
hij-1183	250	27	f.m	f.m	PROPN
hij-1183	250	28	.	.	PROPN
hij-1183	250	29	and	and	CCONJ
hij-1183	250	30	p.p	p.p	PROPN
hij-1183	250	31	.	.	PROPN
hij-1183	250	32	;	;	PUNCT
hij-1183	250	33	data	datum	NOUN
hij-1183	250	34	curation	curation	NOUN
hij-1183	250	35	,	,	PUNCT
hij-1183	250	36	a.s.y	a.s.y	PROPN
hij-1183	250	37	.	.	PUNCT
hij-1183	250	38	;	;	PUNCT
hij-1183	250	39	writing	write	VERB
hij-1183	250	40	—	—	PUNCT
hij-1183	250	41	original	original	ADJ
hij-1183	250	42	draft	draft	NOUN
hij-1183	250	43	preparation	preparation	NOUN
hij-1183	250	44	,	,	PUNCT
hij-1183	250	45	a.s.y	a.s.y	PROPN
hij-1183	250	46	.	.	PUNCT
hij-1183	250	47	;	;	PUNCT
hij-1183	250	48	writing	writing	NOUN
hij-1183	250	49	—	—	PUNCT
hij-1183	250	50	review	review	NOUN
hij-1183	250	51	and	and	CCONJ
hij-1183	250	52	editing	editing	NOUN
hij-1183	250	53	,	,	PUNCT
hij-1183	250	54	a.s.y	a.s.y	PROPN
hij-1183	250	55	.	.	PUNCT
hij-1183	251	1	and	and	CCONJ
hij-1183	251	2	p.p	p.p	INTJ
hij-1183	251	3	.	.	PROPN
hij-1183	251	4	;	;	PUNCT
hij-1183	251	5	visualization	visualization	NOUN
hij-1183	251	6	,	,	PUNCT
hij-1183	251	7	a.s.y	a.s.y	PROPN
hij-1183	251	8	.	.	PUNCT
hij-1183	251	9	;	;	PUNCT
hij-1183	252	1	supervision	supervision	NOUN
hij-1183	252	2	,	,	PUNCT
hij-1183	252	3	p.p	p.p	PROPN
hij-1183	252	4	and	and	CCONJ
hij-1183	252	5	f.m	f.m	PROPN
hij-1183	252	6	.	.	PROPN
hij-1183	252	7	;	;	PUNCT
hij-1183	252	8	project	project	NOUN
hij-1183	252	9	administration	administration	NOUN
hij-1183	252	10	,	,	PUNCT
hij-1183	252	11	f.m	f.m	PROPN
hij-1183	252	12	.	.	PROPN
hij-1183	252	13	and	and	CCONJ
hij-1183	252	14	p.p	p.p	PROPN
hij-1183	252	15	.	.	PROPN
hij-1183	252	16	;	;	PUNCT
hij-1183	252	17	funding	funding	NOUN
hij-1183	252	18	acquisition	acquisition	NOUN
hij-1183	252	19	,	,	PUNCT
hij-1183	252	20	f.m	f.m	PROPN
hij-1183	252	21	and	and	CCONJ
hij-1183	252	22	p.p	p.p	PROPN
hij-1183	252	23	.	.	PROPN
hij-1183	253	1	all	all	DET
hij-1183	253	2	authors	author	NOUN
hij-1183	253	3	have	have	AUX
hij-1183	253	4	read	read	VERB
hij-1183	253	5	and	and	CCONJ
hij-1183	253	6	agreed	agree	VERB
hij-1183	253	7	to	to	ADP
hij-1183	253	8	the	the	DET
hij-1183	253	9	published	publish	VERB
hij-1183	253	10	version	version	NOUN
hij-1183	253	11	of	of	ADP
hij-1183	253	12	the	the	DET
hij-1183	253	13	manuscript	manuscript	NOUN
hij-1183	253	14	.	.	PUNCT
hij-1183	254	1	hightech	hightech	NOUN
hij-1183	254	2	and	and	CCONJ
hij-1183	254	3	innovation	innovation	NOUN
hij-1183	254	4	journal	journal	PROPN
hij-1183	254	5	vol	vol	NOUN
hij-1183	254	6	.	.	PROPN
hij-1183	255	1	6	6	NUM
hij-1183	255	2	,	,	PUNCT
hij-1183	255	3	no	no	INTJ
hij-1183	255	4	.	.	NOUN
hij-1183	255	5	1	1	NUM
hij-1183	255	6	,	,	PUNCT
hij-1183	255	7	march	march	NOUN
hij-1183	255	8	,	,	PUNCT
hij-1183	255	9	2025	2025	NUM
hij-1183	255	10	361	361	NUM
hij-1183	255	11	6.2	6.2	NUM
hij-1183	255	12	.	.	PUNCT
hij-1183	256	1	data	datum	NOUN
hij-1183	256	2	availability	availability	NOUN
hij-1183	256	3	statement	statement	NOUN
hij-1183	256	4	the	the	DET
hij-1183	256	5	data	datum	NOUN
hij-1183	256	6	presented	present	VERB
hij-1183	256	7	in	in	ADP
hij-1183	256	8	this	this	DET
hij-1183	256	9	study	study	NOUN
hij-1183	256	10	are	be	AUX
hij-1183	256	11	available	available	ADJ
hij-1183	256	12	on	on	ADP
hij-1183	256	13	request	request	NOUN
hij-1183	256	14	from	from	ADP
hij-1183	256	15	the	the	DET
hij-1183	256	16	corresponding	corresponding	ADJ
hij-1183	256	17	author	author	NOUN
hij-1183	256	18	.	.	PUNCT
hij-1183	257	1	6.3	6.3	NUM
hij-1183	257	2	.	.	PUNCT
hij-1183	258	1	funding	fund	VERB
hij-1183	258	2	this	this	DET
hij-1183	258	3	research	research	NOUN
hij-1183	258	4	is	be	AUX
hij-1183	258	5	supported	support	VERB
hij-1183	258	6	by	by	ADP
hij-1183	258	7	the	the	DET
hij-1183	258	8	uhk	uhk	ADJ
hij-1183	258	9	fim	fim	PROPN
hij-1183	258	10	excellence	excellence	NOUN
hij-1183	258	11	project	project	NOUN
hij-1183	258	12	run	run	VERB
hij-1183	258	13	at	at	ADP
hij-1183	258	14	the	the	DET
hij-1183	258	15	faculty	faculty	NOUN
hij-1183	258	16	of	of	ADP
hij-1183	258	17	informatics	informatic	NOUN
hij-1183	258	18	and	and	CCONJ
hij-1183	258	19	management	management	NOUN
hij-1183	258	20	,	,	PUNCT
hij-1183	258	21	university	university	NOUN
hij-1183	258	22	of	of	ADP
hij-1183	258	23	hradec	hradec	PROPN
hij-1183	258	24	kralove	kralove	PROPN
hij-1183	258	25	,	,	PUNCT
hij-1183	258	26	czech	czech	PROPN
hij-1183	258	27	republic	republic	NOUN
hij-1183	258	28	.	.	PUNCT
hij-1183	259	1	6.4	6.4	NUM
hij-1183	259	2	.	.	PUNCT
hij-1183	259	3	acknowledgments	acknowledgment	NOUN
hij-1183	259	4	the	the	DET
hij-1183	259	5	authors	author	NOUN
hij-1183	259	6	acknowledge	acknowledge	VERB
hij-1183	259	7	funding	funding	NOUN
hij-1183	259	8	from	from	ADP
hij-1183	259	9	the	the	DET
hij-1183	259	10	fim	fim	PROPN
hij-1183	259	11	excellence	excellence	PROPN
hij-1183	259	12	project	project	NOUN
hij-1183	259	13	run	run	VERB
hij-1183	259	14	at	at	ADP
hij-1183	259	15	the	the	DET
hij-1183	259	16	faculty	faculty	NOUN
hij-1183	259	17	of	of	ADP
hij-1183	259	18	informatics	informatic	NOUN
hij-1183	259	19	and	and	CCONJ
hij-1183	259	20	management	management	NOUN
hij-1183	259	21	,	,	PUNCT
hij-1183	259	22	university	university	NOUN
hij-1183	259	23	of	of	ADP
hij-1183	259	24	hradec	hradec	PROPN
hij-1183	259	25	kralove	kralove	PROPN
hij-1183	259	26	,	,	PUNCT
hij-1183	259	27	czech	czech	PROPN
hij-1183	259	28	republic	republic	NOUN
hij-1183	259	29	.	.	PUNCT
hij-1183	260	1	6.5	6.5	NUM
hij-1183	260	2	.	.	PUNCT
hij-1183	260	3	institutional	institutional	ADJ
hij-1183	260	4	review	review	PROPN
hij-1183	260	5	board	board	NOUN
hij-1183	260	6	statement	statement	NOUN
hij-1183	260	7	not	not	PART
hij-1183	260	8	applicable	applicable	ADJ
hij-1183	260	9	.	.	PUNCT
hij-1183	261	1	6.6	6.6	NUM
hij-1183	261	2	.	.	PUNCT
hij-1183	262	1	informed	inform	VERB
hij-1183	262	2	consent	consent	NOUN
hij-1183	262	3	statement	statement	NOUN
hij-1183	262	4	not	not	PART
hij-1183	262	5	applicable	applicable	ADJ
hij-1183	262	6	.	.	PUNCT
hij-1183	263	1	6.7	6.7	NUM
hij-1183	263	2	.	.	PUNCT
hij-1183	263	3	declaration	declaration	NOUN
hij-1183	263	4	of	of	ADP
hij-1183	263	5	competing	compete	VERB
hij-1183	263	6	interest	interest	NOUN
hij-1183	263	7	the	the	DET
hij-1183	263	8	authors	author	NOUN
hij-1183	263	9	declare	declare	VERB
hij-1183	263	10	that	that	SCONJ
hij-1183	263	11	they	they	PRON
hij-1183	263	12	have	have	VERB
hij-1183	263	13	no	no	DET
hij-1183	263	14	known	know	VERB
hij-1183	263	15	competing	compete	VERB
hij-1183	263	16	financial	financial	ADJ
hij-1183	263	17	interests	interest	NOUN
hij-1183	263	18	or	or	CCONJ
hij-1183	263	19	personal	personal	ADJ
hij-1183	263	20	relationships	relationship	NOUN
hij-1183	263	21	that	that	PRON
hij-1183	263	22	could	could	AUX
hij-1183	263	23	have	have	AUX
hij-1183	263	24	appeared	appear	VERB
hij-1183	263	25	to	to	PART
hij-1183	263	26	influence	influence	VERB
hij-1183	263	27	the	the	DET
hij-1183	263	28	work	work	NOUN
hij-1183	263	29	reported	report	VERB
hij-1183	263	30	in	in	ADP
hij-1183	263	31	this	this	DET
hij-1183	263	32	paper	paper	NOUN
hij-1183	263	33	.	.	PUNCT
hij-1183	264	1	7	7	X
hij-1183	264	2	.	.	NUM
hij-1183	264	3	references	reference	NOUN
hij-1183	264	4	[	[	X
hij-1183	264	5	1	1	NUM
hij-1183	264	6	]	]	PUNCT
hij-1183	264	7	yaro	yaro	NOUN
hij-1183	264	8	,	,	PUNCT
hij-1183	264	9	a.	a.	PROPN
hij-1183	264	10	s.	s.	PROPN
hij-1183	264	11	,	,	PUNCT
hij-1183	264	12	maly	maly	PROPN
hij-1183	264	13	,	,	PUNCT
hij-1183	264	14	f.	f.	PROPN
hij-1183	264	15	,	,	PUNCT
hij-1183	264	16	&	&	CCONJ
hij-1183	264	17	prazak	prazak	NOUN
hij-1183	264	18	,	,	PUNCT
hij-1183	264	19	p.	p.	NOUN
hij-1183	264	20	(	(	PUNCT
hij-1183	264	21	2023	2023	NUM
hij-1183	264	22	)	)	PUNCT
hij-1183	264	23	.	.	PUNCT
hij-1183	265	1	a	a	DET
hij-1183	265	2	survey	survey	NOUN
hij-1183	265	3	of	of	ADP
hij-1183	265	4	the	the	DET
hij-1183	265	5	performance	performance	NOUN
hij-1183	265	6	-	-	PUNCT
hij-1183	265	7	limiting	limit	VERB
hij-1183	265	8	factors	factor	NOUN
hij-1183	265	9	of	of	ADP
hij-1183	265	10	a	a	DET
hij-1183	265	11	2	2	NUM
hij-1183	265	12	-	-	PUNCT
hij-1183	265	13	dimensional	dimensional	ADJ
hij-1183	265	14	rss	rss	NOUN
hij-1183	265	15	fingerprintingbased	fingerprintingbase	VERB
hij-1183	265	16	indoor	indoor	ADJ
hij-1183	265	17	wireless	wireless	NOUN
hij-1183	265	18	localization	localization	NOUN
hij-1183	265	19	system	system	NOUN
hij-1183	265	20	.	.	PUNCT
hij-1183	266	1	sensors	sensor	NOUN
hij-1183	266	2	,	,	PUNCT
hij-1183	266	3	23(5	23(5	NUM
hij-1183	266	4	)	)	PUNCT
hij-1183	266	5	,	,	PUNCT
hij-1183	266	6	2545	2545	NUM
hij-1183	266	7	.	.	PUNCT
hij-1183	267	1	doi:10.3390	doi:10.3390	NOUN
hij-1183	267	2	/	/	SYM
hij-1183	267	3	s23052545	s23052545	PROPN
hij-1183	267	4	.	.	PUNCT
hij-1183	268	1	[	[	X
hij-1183	268	2	2	2	NUM
hij-1183	268	3	]	]	X
hij-1183	268	4	kolakowski	kolakowski	ADJ
hij-1183	268	5	,	,	PUNCT
hij-1183	268	6	m.	m.	NOUN
hij-1183	268	7	(	(	PUNCT
hij-1183	268	8	2020	2020	NUM
hij-1183	268	9	)	)	PUNCT
hij-1183	268	10	.	.	PUNCT
hij-1183	269	1	automatic	automatic	ADJ
hij-1183	269	2	radio	radio	NOUN
hij-1183	269	3	map	map	NOUN
hij-1183	269	4	creation	creation	NOUN
hij-1183	269	5	in	in	ADP
hij-1183	269	6	a	a	DET
hij-1183	269	7	fingerprinting	fingerprinting	NOUN
hij-1183	269	8	-	-	PUNCT
hij-1183	269	9	based	base	VERB
hij-1183	269	10	ble	ble	ADJ
hij-1183	269	11	/	/	SYM
hij-1183	269	12	uwb	uwb	NOUN
hij-1183	269	13	localisation	localisation	NOUN
hij-1183	269	14	system	system	NOUN
hij-1183	269	15	.	.	PUNCT
hij-1183	270	1	iet	iet	PROPN
hij-1183	270	2	microwaves	microwave	NOUN
hij-1183	270	3	,	,	PUNCT
hij-1183	270	4	antennas	antenna	NOUN
hij-1183	270	5	and	and	CCONJ
hij-1183	270	6	propagation	propagation	NOUN
hij-1183	270	7	,	,	PUNCT
hij-1183	270	8	14(14	14(14	NUM
hij-1183	270	9	)	)	PUNCT
hij-1183	270	10	,	,	PUNCT
hij-1183	270	11	1758–1765	1758–1765	NUM
hij-1183	270	12	.	.	PUNCT
hij-1183	271	1	doi:10.1049	doi:10.1049	PROPN
hij-1183	271	2	/	/	SYM
hij-1183	271	3	iet	iet	PROPN
hij-1183	271	4	-	-	PUNCT
hij-1183	271	5	map.2019.0953	map.2019.0953	PROPN
hij-1183	271	6	.	.	PUNCT
hij-1183	272	1	[	[	X
hij-1183	272	2	3	3	NUM
hij-1183	272	3	]	]	X
hij-1183	272	4	yaro	yaro	NOUN
hij-1183	272	5	,	,	PUNCT
hij-1183	272	6	a.	a.	PROPN
hij-1183	272	7	s.	s.	PROPN
hij-1183	272	8	,	,	PUNCT
hij-1183	272	9	filip	filip	PROPN
hij-1183	272	10	,	,	PUNCT
hij-1183	272	11	m.	m.	NOUN
hij-1183	272	12	,	,	PUNCT
hij-1183	272	13	maly	maly	PROPN
hij-1183	272	14	,	,	PUNCT
hij-1183	272	15	k.	k.	PROPN
hij-1183	272	16	,	,	PUNCT
hij-1183	272	17	&	&	CCONJ
hij-1183	272	18	prazak	prazak	NOUN
hij-1183	272	19	,	,	PUNCT
hij-1183	272	20	p.	p.	NOUN
hij-1183	272	21	(	(	PUNCT
hij-1183	272	22	2024	2024	NUM
hij-1183	272	23	)	)	PUNCT
hij-1183	272	24	.	.	PUNCT
hij-1183	273	1	clustering	cluster	VERB
hij-1183	273	2	performance	performance	NOUN
hij-1183	273	3	analysis	analysis	NOUN
hij-1183	273	4	of	of	ADP
hij-1183	273	5	the	the	DET
hij-1183	273	6	k	k	ADJ
hij-1183	273	7	-	-	PUNCT
hij-1183	273	8	medoids	medoid	NOUN
hij-1183	273	9	algorithm	algorithm	NOUN
hij-1183	273	10	for	for	ADP
hij-1183	273	11	improved	improved	ADJ
hij-1183	273	12	fingerprint	fingerprint	NOUN
hij-1183	273	13	-	-	PUNCT
hij-1183	273	14	based	base	VERB
hij-1183	273	15	localization	localization	NOUN
hij-1183	273	16	.	.	PUNCT
hij-1183	274	1	jordan	jordan	PROPN
hij-1183	274	2	journal	journal	PROPN
hij-1183	274	3	of	of	ADP
hij-1183	274	4	electrical	electrical	ADJ
hij-1183	274	5	engineering	engineering	NOUN
hij-1183	274	6	,	,	PUNCT
hij-1183	274	7	10(3	10(3	NUM
hij-1183	274	8	)	)	PUNCT
hij-1183	274	9	,	,	PUNCT
hij-1183	274	10	431–442	431–442	NUM
hij-1183	274	11	.	.	PUNCT
hij-1183	275	1	doi:10.5455	doi:10.5455	NOUN
hij-1183	275	2	/	/	SYM
hij-1183	275	3	jjee.204	jjee.204	NOUN
hij-1183	275	4	-	-	PUNCT
hij-1183	275	5	1703256698	1703256698	NUM
hij-1183	275	6	.	.	PUNCT
hij-1183	276	1	[	[	X
hij-1183	276	2	4	4	NUM
hij-1183	276	3	]	]	X
hij-1183	276	4	shang	shang	PROPN
hij-1183	276	5	,	,	PUNCT
hij-1183	276	6	s.	s.	PROPN
hij-1183	276	7	,	,	PUNCT
hij-1183	276	8	&	&	CCONJ
hij-1183	276	9	wang	wang	PROPN
hij-1183	276	10	,	,	PUNCT
hij-1183	276	11	l.	l.	PROPN
hij-1183	276	12	(	(	PUNCT
hij-1183	276	13	2022	2022	NUM
hij-1183	276	14	)	)	PUNCT
hij-1183	276	15	.	.	PUNCT
hij-1183	277	1	overview	overview	NOUN
hij-1183	277	2	of	of	ADP
hij-1183	277	3	wifi	wifi	NOUN
hij-1183	277	4	fingerprinting	fingerprinting	NOUN
hij-1183	277	5	-	-	PUNCT
hij-1183	277	6	based	base	VERB
hij-1183	277	7	indoor	indoor	ADJ
hij-1183	277	8	positioning	positioning	NOUN
hij-1183	277	9	.	.	PUNCT
hij-1183	278	1	iet	iet	PROPN
hij-1183	278	2	communications	communications	PROPN
hij-1183	278	3	,	,	PUNCT
hij-1183	278	4	16(7	16(7	NUM
hij-1183	278	5	)	)	PUNCT
hij-1183	278	6	,	,	PUNCT
hij-1183	278	7	725–733	725–733	NUM
hij-1183	278	8	.	.	PUNCT
hij-1183	279	1	doi:10.1049	doi:10.1049	PROPN
hij-1183	279	2	/	/	SYM
hij-1183	279	3	cmu2.12386	cmu2.12386	PROPN
hij-1183	279	4	.	.	PUNCT
hij-1183	280	1	[	[	X
hij-1183	280	2	5	5	NUM
hij-1183	280	3	]	]	SYM
hij-1183	280	4	ali	ali	PROPN
hij-1183	280	5	,	,	PUNCT
hij-1183	280	6	m.	m.	NOUN
hij-1183	280	7	,	,	PUNCT
hij-1183	280	8	jung	jung	PROPN
hij-1183	280	9	,	,	PUNCT
hij-1183	280	10	l.	l.	PROPN
hij-1183	280	11	t.	t.	PROPN
hij-1183	280	12	,	,	PUNCT
hij-1183	280	13	abdel	abdel	PROPN
hij-1183	280	14	-	-	PUNCT
hij-1183	280	15	aty	aty	PROPN
hij-1183	280	16	,	,	PUNCT
hij-1183	280	17	a.	a.	PROPN
hij-1183	280	18	h.	h.	PROPN
hij-1183	280	19	,	,	PUNCT
hij-1183	280	20	abubakar	abubakar	PROPN
hij-1183	280	21	,	,	PUNCT
hij-1183	280	22	m.	m.	NOUN
hij-1183	280	23	y.	y.	PROPN
hij-1183	280	24	,	,	PUNCT
hij-1183	280	25	elhoseny	elhoseny	PROPN
hij-1183	280	26	,	,	PUNCT
hij-1183	280	27	m.	m.	NOUN
hij-1183	280	28	,	,	PUNCT
hij-1183	280	29	&	&	CCONJ
hij-1183	280	30	ali	ali	PROPN
hij-1183	280	31	,	,	PUNCT
hij-1183	280	32	i.	i.	PROPN
hij-1183	280	33	(	(	PUNCT
hij-1183	280	34	2020	2020	NUM
hij-1183	280	35	)	)	PUNCT
hij-1183	280	36	.	.	PUNCT
hij-1183	281	1	semantic	semantic	ADJ
hij-1183	281	2	-	-	PUNCT
hij-1183	281	3	k	k	NOUN
hij-1183	281	4	-	-	PUNCT
hij-1183	281	5	nn	nn	ADJ
hij-1183	281	6	algorithm	algorithm	NOUN
hij-1183	281	7	:	:	PUNCT
hij-1183	281	8	an	an	DET
hij-1183	281	9	enhanced	enhanced	ADJ
hij-1183	281	10	version	version	NOUN
hij-1183	281	11	of	of	ADP
hij-1183	281	12	traditional	traditional	ADJ
hij-1183	281	13	k	k	PROPN
hij-1183	281	14	-	-	PUNCT
hij-1183	281	15	nn	nn	ADJ
hij-1183	281	16	algorithm	algorithm	NOUN
hij-1183	281	17	.	.	PUNCT
hij-1183	282	1	expert	expert	NOUN
hij-1183	282	2	systems	system	NOUN
hij-1183	282	3	with	with	ADP
hij-1183	282	4	applications	application	NOUN
hij-1183	282	5	,	,	PUNCT
hij-1183	282	6	151	151	NUM
hij-1183	282	7	,	,	PUNCT
hij-1183	282	8	113374	113374	NUM
hij-1183	282	9	.	.	PUNCT
hij-1183	283	1	doi:10.1016	doi:10.1016	PROPN
hij-1183	283	2	/	/	SYM
hij-1183	283	3	j.eswa.2020.113374	j.eswa.2020.113374	PROPN
hij-1183	283	4	.	.	PUNCT
hij-1183	284	1	[	[	X
hij-1183	284	2	6	6	NUM
hij-1183	284	3	]	]	PUNCT
hij-1183	284	4	sadhukhan	sadhukhan	NOUN
hij-1183	284	5	,	,	PUNCT
hij-1183	284	6	p.	p.	NOUN
hij-1183	284	7	(	(	PUNCT
hij-1183	284	8	2019	2019	NUM
hij-1183	284	9	)	)	PUNCT
hij-1183	284	10	.	.	PUNCT
hij-1183	285	1	performance	performance	NOUN
hij-1183	285	2	analysis	analysis	NOUN
hij-1183	285	3	of	of	ADP
hij-1183	285	4	clustering	cluster	VERB
hij-1183	285	5	-	-	PUNCT
hij-1183	285	6	based	base	VERB
hij-1183	285	7	fingerprinting	fingerprint	VERB
hij-1183	285	8	localization	localization	NOUN
hij-1183	285	9	systems	system	NOUN
hij-1183	285	10	.	.	PUNCT
hij-1183	286	1	wireless	wireless	ADJ
hij-1183	286	2	networks	network	NOUN
hij-1183	286	3	,	,	PUNCT
hij-1183	286	4	25(5	25(5	NUM
hij-1183	286	5	)	)	PUNCT
hij-1183	286	6	,	,	PUNCT
hij-1183	286	7	2497–2510	2497–2510	NUM
hij-1183	286	8	.	.	PUNCT
hij-1183	287	1	doi:10.1007	doi:10.1007	PROPN
hij-1183	287	2	/	/	SYM
hij-1183	287	3	s11276	s11276	NOUN
hij-1183	287	4	-	-	PUNCT
hij-1183	287	5	018	018	NUM
hij-1183	287	6	-	-	PUNCT
hij-1183	287	7	1682	1682	NUM
hij-1183	287	8	-	-	SYM
hij-1183	287	9	7	7	NUM
hij-1183	287	10	.	.	PUNCT
hij-1183	288	1	[	[	X
hij-1183	288	2	7	7	NUM
hij-1183	288	3	]	]	SYM
hij-1183	288	4	yaro	yaro	NOUN
hij-1183	288	5	,	,	PUNCT
hij-1183	288	6	a.	a.	PROPN
hij-1183	288	7	s.	s.	PROPN
hij-1183	288	8	,	,	PUNCT
hij-1183	288	9	maly	maly	PROPN
hij-1183	288	10	,	,	PUNCT
hij-1183	288	11	f.	f.	PROPN
hij-1183	288	12	,	,	PUNCT
hij-1183	288	13	maly	maly	PROPN
hij-1183	288	14	,	,	PUNCT
hij-1183	288	15	k.	k.	PROPN
hij-1183	288	16	,	,	PUNCT
hij-1183	288	17	&	&	CCONJ
hij-1183	288	18	prazak	prazak	NOUN
hij-1183	288	19	,	,	PUNCT
hij-1183	288	20	p.	p.	NOUN
hij-1183	288	21	(	(	PUNCT
hij-1183	288	22	2024	2024	NUM
hij-1183	288	23	)	)	PUNCT
hij-1183	288	24	.	.	PUNCT
hij-1183	289	1	enhancing	enhance	VERB
hij-1183	289	2	dbscan	dbscan	PROPN
hij-1183	289	3	clustering	cluster	VERB
hij-1183	289	4	for	for	ADP
hij-1183	289	5	fingerprint	fingerprint	NOUN
hij-1183	289	6	-	-	PUNCT
hij-1183	289	7	based	base	VERB
hij-1183	289	8	localization	localization	NOUN
hij-1183	289	9	with	with	ADP
hij-1183	289	10	a	a	DET
hij-1183	289	11	context	context	NOUN
hij-1183	289	12	similarity	similarity	NOUN
hij-1183	289	13	coefficient	coefficient	NOUN
hij-1183	289	14	-	-	PUNCT
hij-1183	289	15	based	base	VERB
hij-1183	289	16	similarity	similarity	NOUN
hij-1183	289	17	measure	measure	NOUN
hij-1183	289	18	metric	metric	ADJ
hij-1183	289	19	.	.	PUNCT
hij-1183	290	1	ieee	ieee	NOUN
hij-1183	290	2	access	access	NOUN
hij-1183	290	3	,	,	PUNCT
hij-1183	290	4	12	12	NUM
hij-1183	290	5	,	,	PUNCT
hij-1183	290	6	117298–117307	117298–117307	NUM
hij-1183	290	7	.	.	PUNCT
hij-1183	291	1	doi:10.1109	doi:10.1109	VERB
hij-1183	291	2	/	/	SYM
hij-1183	291	3	access.2024.3446674	access.2024.3446674	NOUN
hij-1183	291	4	.	.	PUNCT
hij-1183	292	1	[	[	X
hij-1183	292	2	8	8	NUM
hij-1183	292	3	]	]	SYM
hij-1183	292	4	xu	xu	PROPN
hij-1183	292	5	,	,	PUNCT
hij-1183	292	6	d.	d.	PROPN
hij-1183	292	7	,	,	PUNCT
hij-1183	292	8	&	&	CCONJ
hij-1183	292	9	tian	tian	PROPN
hij-1183	292	10	,	,	PUNCT
hij-1183	292	11	y.	y.	PROPN
hij-1183	292	12	(	(	PUNCT
hij-1183	292	13	2015	2015	NUM
hij-1183	292	14	)	)	PUNCT
hij-1183	292	15	.	.	PUNCT
hij-1183	293	1	a	a	DET
hij-1183	293	2	comprehensive	comprehensive	ADJ
hij-1183	293	3	survey	survey	NOUN
hij-1183	293	4	of	of	ADP
hij-1183	293	5	clustering	clustering	ADJ
hij-1183	293	6	algorithms	algorithm	NOUN
hij-1183	293	7	.	.	PUNCT
hij-1183	294	1	annals	annal	NOUN
hij-1183	294	2	of	of	ADP
hij-1183	294	3	data	data	NOUN
hij-1183	294	4	science	science	NOUN
hij-1183	294	5	,	,	PUNCT
hij-1183	294	6	2(2	2(2	NUM
hij-1183	294	7	)	)	PUNCT
hij-1183	294	8	,	,	PUNCT
hij-1183	294	9	165–193	165–193	NUM
hij-1183	294	10	.	.	PUNCT
hij-1183	294	11	doi:10.1007	doi:10.1007	NOUN
hij-1183	294	12	/	/	SYM
hij-1183	294	13	s40745	s40745	NOUN
hij-1183	294	14	-	-	PUNCT
hij-1183	294	15	015	015	NUM
hij-1183	294	16	-	-	PUNCT
hij-1183	294	17	0040	0040	NUM
hij-1183	294	18	-	-	SYM
hij-1183	294	19	1	1	NUM
hij-1183	294	20	.	.	PUNCT
hij-1183	295	1	[	[	X
hij-1183	295	2	9	9	NUM
hij-1183	295	3	]	]	PUNCT
hij-1183	295	4	gholizadeh	gholizadeh	NOUN
hij-1183	295	5	,	,	PUNCT
hij-1183	295	6	n.	n.	NOUN
hij-1183	295	7	,	,	PUNCT
hij-1183	295	8	saadatfar	saadatfar	PROPN
hij-1183	295	9	,	,	PUNCT
hij-1183	295	10	h.	h.	PROPN
hij-1183	295	11	,	,	PUNCT
hij-1183	295	12	&	&	CCONJ
hij-1183	295	13	hanafi	hanafi	PROPN
hij-1183	295	14	,	,	PUNCT
hij-1183	295	15	n.	n.	NOUN
hij-1183	295	16	(	(	PUNCT
hij-1183	295	17	2021	2021	NUM
hij-1183	295	18	)	)	PUNCT
hij-1183	295	19	.	.	PUNCT
hij-1183	296	1	k	k	X
hij-1183	296	2	-	-	PUNCT
hij-1183	296	3	dbscan	dbscan	NOUN
hij-1183	296	4	:	:	PUNCT
hij-1183	296	5	an	an	DET
hij-1183	296	6	improved	improved	ADJ
hij-1183	296	7	dbscan	dbscan	NOUN
hij-1183	296	8	algorithm	algorithm	NOUN
hij-1183	296	9	for	for	ADP
hij-1183	296	10	big	big	ADJ
hij-1183	296	11	data	datum	NOUN
hij-1183	296	12	.	.	PUNCT
hij-1183	297	1	journal	journal	PROPN
hij-1183	297	2	of	of	ADP
hij-1183	297	3	supercomputing	supercomputing	NOUN
hij-1183	297	4	,	,	PUNCT
hij-1183	297	5	77(6	77(6	NUM
hij-1183	297	6	)	)	PUNCT
hij-1183	297	7	,	,	PUNCT
hij-1183	297	8	6214–6235	6214–6235	NUM
hij-1183	297	9	.	.	PUNCT
hij-1183	297	10	doi:10.1007	doi:10.1007	PROPN
hij-1183	297	11	/	/	SYM
hij-1183	297	12	s11227	s11227	VERB
hij-1183	297	13	-	-	PUNCT
hij-1183	297	14	020	020	NUM
hij-1183	297	15	-	-	PUNCT
hij-1183	297	16	03524	03524	NUM
hij-1183	297	17	-	-	PUNCT
hij-1183	297	18	3	3	NUM
hij-1183	297	19	.	.	PUNCT
hij-1183	298	1	[	[	X
hij-1183	298	2	10	10	NUM
hij-1183	298	3	]	]	X
hij-1183	298	4	kumar	kumar	PROPN
hij-1183	298	5	,	,	PUNCT
hij-1183	298	6	k.	k.	PROPN
hij-1183	298	7	m.	m.	PROPN
hij-1183	298	8	,	,	PUNCT
hij-1183	298	9	&	&	CCONJ
hij-1183	298	10	reddy	reddy	PROPN
hij-1183	298	11	,	,	PUNCT
hij-1183	298	12	a.	a.	PROPN
hij-1183	298	13	r.	r.	PROPN
hij-1183	298	14	m.	m.	PROPN
hij-1183	298	15	(	(	PUNCT
hij-1183	298	16	2016	2016	NUM
hij-1183	298	17	)	)	PUNCT
hij-1183	298	18	.	.	PUNCT
hij-1183	299	1	a	a	DET
hij-1183	299	2	fast	fast	ADJ
hij-1183	299	3	dbscan	dbscan	NOUN
hij-1183	299	4	clustering	cluster	VERB
hij-1183	299	5	algorithm	algorithm	NOUN
hij-1183	299	6	by	by	ADP
hij-1183	299	7	accelerating	accelerate	VERB
hij-1183	299	8	neighbor	neighbor	NOUN
hij-1183	299	9	searching	search	VERB
hij-1183	299	10	using	use	VERB
hij-1183	299	11	groups	group	NOUN
hij-1183	299	12	method	method	PROPN
hij-1183	299	13	.	.	PUNCT
hij-1183	300	1	pattern	pattern	NOUN
hij-1183	300	2	recognition	recognition	NOUN
hij-1183	300	3	,	,	PUNCT
hij-1183	300	4	58	58	NUM
hij-1183	300	5	,	,	PUNCT
hij-1183	300	6	39–48	39–48	NUM
hij-1183	300	7	.	.	PUNCT
hij-1183	301	1	doi:10.1016	doi:10.1016	PROPN
hij-1183	301	2	/	/	SYM
hij-1183	301	3	j.patcog.2016.03.008	j.patcog.2016.03.008	NOUN
hij-1183	301	4	.	.	PUNCT
hij-1183	302	1	[	[	X
hij-1183	302	2	11	11	NUM
hij-1183	302	3	]	]	X
hij-1183	302	4	de	de	PROPN
hij-1183	302	5	moura	moura	PROPN
hij-1183	302	6	ventorim	ventorim	PROPN
hij-1183	302	7	,	,	PUNCT
hij-1183	302	8	i.	i.	PROPN
hij-1183	302	9	,	,	PUNCT
hij-1183	302	10	luchi	luchi	PROPN
hij-1183	302	11	,	,	PUNCT
hij-1183	302	12	d.	d.	PROPN
hij-1183	302	13	,	,	PUNCT
hij-1183	302	14	rodrigues	rodrigues	PROPN
hij-1183	302	15	,	,	PUNCT
hij-1183	302	16	a.	a.	PROPN
hij-1183	302	17	l.	l.	PROPN
hij-1183	302	18	,	,	PUNCT
hij-1183	302	19	&	&	CCONJ
hij-1183	302	20	varejão	varejão	PROPN
hij-1183	302	21	,	,	PUNCT
hij-1183	302	22	f.	f.	PROPN
hij-1183	302	23	m.	m.	PROPN
hij-1183	302	24	(	(	PUNCT
hij-1183	302	25	2021	2021	NUM
hij-1183	302	26	)	)	PUNCT
hij-1183	302	27	.	.	PUNCT
hij-1183	303	1	birchscan	birchscan	PROPN
hij-1183	303	2	:	:	PUNCT
hij-1183	303	3	a	a	DET
hij-1183	303	4	sampling	sampling	NOUN
hij-1183	303	5	method	method	NOUN
hij-1183	303	6	for	for	ADP
hij-1183	303	7	applying	apply	VERB
hij-1183	303	8	dbscan	dbscan	NOUN
hij-1183	303	9	to	to	ADP
hij-1183	303	10	large	large	ADJ
hij-1183	303	11	datasets	dataset	NOUN
hij-1183	303	12	.	.	PUNCT
hij-1183	304	1	expert	expert	NOUN
hij-1183	304	2	systems	system	NOUN
hij-1183	304	3	with	with	ADP
hij-1183	304	4	applications	application	NOUN
hij-1183	304	5	,	,	PUNCT
hij-1183	304	6	184	184	NUM
hij-1183	304	7	,	,	PUNCT
hij-1183	304	8	115518	115518	NUM
hij-1183	304	9	.	.	PUNCT
hij-1183	305	1	doi:10.1016	doi:10.1016	PROPN
hij-1183	305	2	/	/	SYM
hij-1183	305	3	j.eswa.2021.115518	j.eswa.2021.115518	NOUN
hij-1183	305	4	.	.	PUNCT
hij-1183	306	1	[	[	X
hij-1183	306	2	12	12	NUM
hij-1183	306	3	]	]	X
hij-1183	306	4	yin	yin	PROPN
hij-1183	306	5	,	,	PUNCT
hij-1183	306	6	l.	l.	PROPN
hij-1183	306	7	,	,	PUNCT
hij-1183	306	8	hu	hu	PROPN
hij-1183	306	9	,	,	PUNCT
hij-1183	306	10	h.	h.	PROPN
hij-1183	306	11	,	,	PUNCT
hij-1183	306	12	li	li	PROPN
hij-1183	306	13	,	,	PUNCT
hij-1183	306	14	k.	k.	PROPN
hij-1183	306	15	,	,	PUNCT
hij-1183	306	16	zheng	zheng	PROPN
hij-1183	306	17	,	,	PUNCT
hij-1183	306	18	g.	g.	PROPN
hij-1183	306	19	,	,	PUNCT
hij-1183	306	20	qu	qu	PROPN
hij-1183	306	21	,	,	PUNCT
hij-1183	306	22	y.	y.	PROPN
hij-1183	306	23	,	,	PUNCT
hij-1183	306	24	&	&	CCONJ
hij-1183	306	25	chen	chen	PROPN
hij-1183	306	26	,	,	PUNCT
hij-1183	306	27	h.	h.	PROPN
hij-1183	306	28	(	(	PUNCT
hij-1183	306	29	2023	2023	NUM
hij-1183	306	30	)	)	PUNCT
hij-1183	306	31	.	.	PUNCT
hij-1183	307	1	improvement	improvement	NOUN
hij-1183	307	2	of	of	ADP
hij-1183	307	3	dbscan	dbscan	ADJ
hij-1183	307	4	algorithm	algorithm	NOUN
hij-1183	307	5	based	base	VERB
hij-1183	307	6	on	on	ADP
hij-1183	307	7	k	k	ADJ
hij-1183	307	8	-	-	NOUN
hij-1183	307	9	dist	dist	NOUN
hij-1183	307	10	graph	graph	NOUN
hij-1183	307	11	for	for	ADP
hij-1183	307	12	adaptive	adaptive	ADJ
hij-1183	307	13	determining	determine	VERB
hij-1183	307	14	parameters	parameter	NOUN
hij-1183	307	15	.	.	PUNCT
hij-1183	308	1	electronics	electronic	NOUN
hij-1183	308	2	(	(	PUNCT
hij-1183	308	3	switzerland	switzerland	PROPN
hij-1183	308	4	)	)	PUNCT
hij-1183	308	5	,	,	PUNCT
hij-1183	308	6	12(15	12(15	NUM
hij-1183	308	7	)	)	PUNCT
hij-1183	308	8	,	,	PUNCT
hij-1183	308	9	3213	3213	NUM
hij-1183	308	10	.	.	PUNCT
hij-1183	309	1	doi:10.3390	doi:10.3390	NOUN
hij-1183	309	2	/	/	SYM
hij-1183	309	3	electronics12153213	electronics12153213	PROPN
hij-1183	309	4	.	.	PUNCT
hij-1183	310	1	[	[	X
hij-1183	310	2	13	13	NUM
hij-1183	310	3	]	]	X
hij-1183	310	4	perafan	perafan	NOUN
hij-1183	310	5	-	-	PUNCT
hij-1183	310	6	lopez	lopez	NOUN
hij-1183	310	7	,	,	PUNCT
hij-1183	310	8	j.	j.	PROPN
hij-1183	310	9	c.	c.	PROPN
hij-1183	310	10	,	,	PUNCT
hij-1183	310	11	ferrer	ferrer	PROPN
hij-1183	310	12	-	-	PROPN
hij-1183	310	13	gregory	gregory	PROPN
hij-1183	310	14	,	,	PUNCT
hij-1183	310	15	v.	v.	PROPN
hij-1183	310	16	l.	l.	PROPN
hij-1183	310	17	,	,	PUNCT
hij-1183	310	18	nieto	nieto	PROPN
hij-1183	310	19	-	-	PUNCT
hij-1183	310	20	londoño	londoño	PROPN
hij-1183	310	21	,	,	PUNCT
hij-1183	310	22	c.	c.	PROPN
hij-1183	310	23	,	,	PUNCT
hij-1183	310	24	&	&	CCONJ
hij-1183	310	25	sierra	sierra	PROPN
hij-1183	310	26	-	-	PUNCT
hij-1183	310	27	pérez	pérez	PROPN
hij-1183	310	28	,	,	PUNCT
hij-1183	310	29	j.	j.	PROPN
hij-1183	310	30	(	(	PUNCT
hij-1183	310	31	2022	2022	NUM
hij-1183	310	32	)	)	PUNCT
hij-1183	310	33	.	.	PUNCT
hij-1183	311	1	performance	performance	NOUN
hij-1183	311	2	analysis	analysis	NOUN
hij-1183	311	3	and	and	CCONJ
hij-1183	311	4	architecture	architecture	NOUN
hij-1183	311	5	of	of	ADP
hij-1183	311	6	a	a	DET
hij-1183	311	7	clustering	clustering	ADJ
hij-1183	311	8	hybrid	hybrid	ADJ
hij-1183	311	9	algorithm	algorithm	NOUN
hij-1183	311	10	called	call	VERB
hij-1183	311	11	fa+ga	fa+ga	NOUN
hij-1183	311	12	-	-	ADJ
hij-1183	311	13	dbscan	dbscan	NOUN
hij-1183	311	14	using	use	VERB
hij-1183	311	15	artificial	artificial	ADJ
hij-1183	311	16	datasets	dataset	NOUN
hij-1183	311	17	.	.	PUNCT
hij-1183	312	1	entropy	entropy	PROPN
hij-1183	312	2	,	,	PUNCT
hij-1183	312	3	24(7	24(7	NUM
hij-1183	312	4	)	)	PUNCT
hij-1183	312	5	,	,	PUNCT
hij-1183	312	6	875	875	NUM
hij-1183	312	7	.	.	PUNCT
hij-1183	313	1	doi:10.3390	doi:10.3390	PROPN
hij-1183	313	2	/	/	SYM
hij-1183	314	1	e24070875	e24070875	PROPN
hij-1183	314	2	.	.	PUNCT
hij-1183	315	1	hightech	hightech	NOUN
hij-1183	315	2	and	and	CCONJ
hij-1183	315	3	innovation	innovation	NOUN
hij-1183	315	4	journal	journal	PROPN
hij-1183	315	5	vol	vol	NOUN
hij-1183	315	6	.	.	PROPN
hij-1183	316	1	6	6	NUM
hij-1183	316	2	,	,	PUNCT
hij-1183	316	3	no	no	INTJ
hij-1183	316	4	.	.	NOUN
hij-1183	316	5	1	1	NUM
hij-1183	316	6	,	,	PUNCT
hij-1183	316	7	march	march	NOUN
hij-1183	316	8	,	,	PUNCT
hij-1183	316	9	2025	2025	NUM
hij-1183	316	10	362	362	NUM
hij-1183	317	1	[	[	X
hij-1183	317	2	14	14	NUM
hij-1183	317	3	]	]	SYM
hij-1183	317	4	bi	bi	NOUN
hij-1183	317	5	,	,	PUNCT
hij-1183	317	6	j.	j.	PROPN
hij-1183	317	7	,	,	PUNCT
hij-1183	317	8	cao	cao	PROPN
hij-1183	317	9	,	,	PUNCT
hij-1183	317	10	h.	h.	PROPN
hij-1183	317	11	,	,	PUNCT
hij-1183	317	12	wang	wang	PROPN
hij-1183	317	13	,	,	PUNCT
hij-1183	317	14	y.	y.	PROPN
hij-1183	317	15	,	,	PUNCT
hij-1183	317	16	zheng	zheng	PROPN
hij-1183	317	17	,	,	PUNCT
hij-1183	317	18	g.	g.	PROPN
hij-1183	317	19	,	,	PUNCT
hij-1183	317	20	liu	liu	PROPN
hij-1183	317	21	,	,	PUNCT
hij-1183	317	22	k.	k.	PROPN
hij-1183	317	23	,	,	PUNCT
hij-1183	317	24	cheng	cheng	PROPN
hij-1183	317	25	,	,	PUNCT
hij-1183	317	26	n.	n.	PROPN
hij-1183	317	27	,	,	PUNCT
hij-1183	317	28	&	&	CCONJ
hij-1183	317	29	zhao	zhao	NOUN
hij-1183	317	30	,	,	PUNCT
hij-1183	317	31	m.	m.	NOUN
hij-1183	317	32	(	(	PUNCT
hij-1183	317	33	2022	2022	NUM
hij-1183	317	34	)	)	PUNCT
hij-1183	317	35	.	.	PUNCT
hij-1183	318	1	dbscan	dbscan	NOUN
hij-1183	318	2	and	and	CCONJ
hij-1183	318	3	td	td	AUX
hij-1183	318	4	integrated	integrate	VERB
hij-1183	318	5	wi	wi	PROPN
hij-1183	318	6	-	-	PUNCT
hij-1183	318	7	fi	fi	NOUN
hij-1183	318	8	positioning	positioning	NOUN
hij-1183	318	9	algorithm	algorithm	NOUN
hij-1183	318	10	.	.	PUNCT
hij-1183	319	1	remote	remote	ADJ
hij-1183	319	2	sensing	sensing	NOUN
hij-1183	319	3	,	,	PUNCT
hij-1183	319	4	14(2	14(2	NUM
hij-1183	319	5	)	)	PUNCT
hij-1183	319	6	,	,	PUNCT
hij-1183	319	7	297	297	NUM
hij-1183	319	8	.	.	PUNCT
hij-1183	320	1	doi:10.3390	doi:10.3390	PROPN
hij-1183	320	2	/	/	SYM
hij-1183	320	3	rs14020297	rs14020297	PROPN
hij-1183	320	4	.	.	PUNCT
hij-1183	321	1	[	[	X
hij-1183	321	2	15	15	NUM
hij-1183	321	3	]	]	X
hij-1183	321	4	thang	thang	PROPN
hij-1183	321	5	,	,	PUNCT
hij-1183	321	6	v.	v.	PROPN
hij-1183	321	7	v.	v.	ADP
hij-1183	321	8	,	,	PUNCT
hij-1183	321	9	pantiukhin	pantiukhin	PROPN
hij-1183	321	10	,	,	PUNCT
hij-1183	321	11	d.	d.	PROPN
hij-1183	321	12	v.	v.	PROPN
hij-1183	321	13	,	,	PUNCT
hij-1183	321	14	&	&	CCONJ
hij-1183	321	15	galushkin	galushkin	PROPN
hij-1183	321	16	,	,	PUNCT
hij-1183	321	17	a.	a.	NOUN
hij-1183	321	18	i.	i.	PROPN
hij-1183	321	19	(	(	PUNCT
hij-1183	321	20	2016	2016	NUM
hij-1183	321	21	)	)	PUNCT
hij-1183	321	22	.	.	PUNCT
hij-1183	322	1	a	a	DET
hij-1183	322	2	hybrid	hybrid	ADJ
hij-1183	322	3	clustering	cluster	VERB
hij-1183	322	4	algorithm	algorithm	NOUN
hij-1183	322	5	:	:	PUNCT
hij-1183	322	6	the	the	DET
hij-1183	322	7	fastdbscan	fastdbscan	NOUN
hij-1183	322	8	.	.	PUNCT
hij-1183	323	1	proceedings	proceeding	NOUN
hij-1183	323	2	2nd	2nd	PROPN
hij-1183	323	3	international	international	ADJ
hij-1183	323	4	conference	conference	NOUN
hij-1183	323	5	on	on	ADP
hij-1183	323	6	engineering	engineering	NOUN
hij-1183	323	7	and	and	CCONJ
hij-1183	323	8	telecommunication	telecommunication	NOUN
hij-1183	323	9	,	,	PUNCT
hij-1183	323	10	69–74	69–74	NUM
hij-1183	323	11	.	.	PUNCT
hij-1183	324	1	doi:10.1109	doi:10.1109	PROPN
hij-1183	324	2	/	/	SYM
hij-1183	325	1	ent.2015.31	ent.2015.31	PROPN
hij-1183	325	2	.	.	PUNCT
hij-1183	326	1	[	[	X
hij-1183	326	2	16	16	NUM
hij-1183	326	3	]	]	X
hij-1183	326	4	quezada	quezada	PROPN
hij-1183	326	5	-	-	PUNCT
hij-1183	326	6	gaibor	gaibor	PROPN
hij-1183	326	7	,	,	PUNCT
hij-1183	326	8	d.	d.	PROPN
hij-1183	326	9	,	,	PUNCT
hij-1183	326	10	torres	torre	NOUN
hij-1183	326	11	-	-	PUNCT
hij-1183	326	12	sospedra	sospedra	PROPN
hij-1183	326	13	,	,	PUNCT
hij-1183	326	14	j.	j.	PROPN
hij-1183	326	15	,	,	PUNCT
hij-1183	326	16	nurmi	nurmi	PROPN
hij-1183	326	17	,	,	PUNCT
hij-1183	326	18	j.	j.	PROPN
hij-1183	326	19	,	,	PUNCT
hij-1183	326	20	koucheryavy	koucheryavy	PROPN
hij-1183	326	21	,	,	PUNCT
hij-1183	326	22	y.	y.	PROPN
hij-1183	326	23	,	,	PUNCT
hij-1183	326	24	&	&	CCONJ
hij-1183	326	25	huerta	huerta	PROPN
hij-1183	326	26	,	,	PUNCT
hij-1183	326	27	j.	j.	PROPN
hij-1183	326	28	(	(	PUNCT
hij-1183	326	29	2021	2021	NUM
hij-1183	326	30	)	)	PUNCT
hij-1183	326	31	.	.	PUNCT
hij-1183	327	1	lightweight	lightweight	PROPN
hij-1183	327	2	wi	wi	PROPN
hij-1183	327	3	-	-	PUNCT
hij-1183	327	4	fi	fi	NOUN
hij-1183	327	5	fingerprinting	fingerprinting	NOUN
hij-1183	327	6	with	with	ADP
hij-1183	327	7	a	a	DET
hij-1183	327	8	novel	novel	ADJ
hij-1183	327	9	rss	rss	NOUN
hij-1183	327	10	clustering	clustering	NOUN
hij-1183	327	11	algorithm	algorithm	NOUN
hij-1183	327	12	.	.	PUNCT
hij-1183	328	1	2021	2021	NUM
hij-1183	328	2	international	international	ADJ
hij-1183	328	3	conference	conference	NOUN
hij-1183	328	4	on	on	ADP
hij-1183	328	5	indoor	indoor	ADJ
hij-1183	328	6	positioning	positioning	NOUN
hij-1183	328	7	and	and	CCONJ
hij-1183	328	8	indoor	indoor	ADJ
hij-1183	328	9	navigation	navigation	NOUN
hij-1183	328	10	,	,	PUNCT
hij-1183	328	11	ipin	ipin	NOUN
hij-1183	328	12	2021	2021	NUM
hij-1183	328	13	,	,	PUNCT
hij-1183	328	14	1–8	1–8	NUM
hij-1183	328	15	.	.	PUNCT
hij-1183	328	16	doi:10.1109	doi:10.1109	PROPN
hij-1183	328	17	/	/	SYM
hij-1183	328	18	ipin51156.2021.9662612	ipin51156.2021.9662612	PROPN
hij-1183	328	19	.	.	PUNCT
hij-1183	329	1	[	[	X
hij-1183	329	2	17	17	NUM
hij-1183	329	3	]	]	X
hij-1183	329	4	yaro	yaro	NOUN
hij-1183	329	5	,	,	PUNCT
hij-1183	329	6	a.	a.	PROPN
hij-1183	329	7	s.	s.	PROPN
hij-1183	329	8	,	,	PUNCT
hij-1183	329	9	maly	maly	PROPN
hij-1183	329	10	,	,	PUNCT
hij-1183	329	11	f.	f.	PROPN
hij-1183	329	12	,	,	PUNCT
hij-1183	329	13	prazak	prazak	NOUN
hij-1183	329	14	,	,	PUNCT
hij-1183	329	15	p.	p.	NOUN
hij-1183	329	16	,	,	PUNCT
hij-1183	329	17	&	&	CCONJ
hij-1183	329	18	malý	malý	PROPN
hij-1183	329	19	,	,	PUNCT
hij-1183	329	20	k.	k.	PROPN
hij-1183	329	21	(	(	PUNCT
hij-1183	329	22	2024	2024	NUM
hij-1183	329	23	)	)	PUNCT
hij-1183	329	24	.	.	PUNCT
hij-1183	330	1	improved	improve	VERB
hij-1183	330	2	fingerprint	fingerprint	NOUN
hij-1183	330	3	-	-	PUNCT
hij-1183	330	4	based	base	VERB
hij-1183	330	5	localization	localization	NOUN
hij-1183	330	6	based	base	VERB
hij-1183	330	7	on	on	ADP
hij-1183	330	8	sequential	sequential	ADJ
hij-1183	330	9	hybridization	hybridization	NOUN
hij-1183	330	10	of	of	ADP
hij-1183	330	11	clustering	clustering	ADJ
hij-1183	330	12	algorithms	algorithm	NOUN
hij-1183	330	13	.	.	PUNCT
hij-1183	331	1	emerging	emerge	VERB
hij-1183	331	2	science	science	NOUN
hij-1183	331	3	journal	journal	NOUN
hij-1183	331	4	,	,	PUNCT
hij-1183	331	5	8(2	8(2	NUM
hij-1183	331	6	)	)	PUNCT
hij-1183	331	7	,	,	PUNCT
hij-1183	331	8	394	394	NUM
hij-1183	331	9	-	-	SYM
hij-1183	331	10	406	406	NUM
hij-1183	331	11	.	.	PUNCT
hij-1183	331	12	doi:10.28991	doi:10.28991	PROPN
hij-1183	331	13	/	/	SYM
hij-1183	331	14	esj-2024	esj-2024	NOUN
hij-1183	331	15	-	-	PUNCT
hij-1183	331	16	08	08	NUM
hij-1183	331	17	-	-	PUNCT
hij-1183	331	18	02	02	NUM
hij-1183	331	19	-	-	PUNCT
hij-1183	331	20	02	02	NUM
hij-1183	331	21	.	.	PUNCT
hij-1183	332	1	[	[	X
hij-1183	332	2	18	18	NUM
hij-1183	332	3	]	]	X
hij-1183	332	4	sridevi	sridevi	X
hij-1183	332	5	,	,	PUNCT
hij-1183	332	6	k.	k.	PROPN
hij-1183	332	7	n.	n.	PROPN
hij-1183	332	8	,	,	PUNCT
hij-1183	332	9	&	&	CCONJ
hij-1183	332	10	rajanna	rajanna	PROPN
hij-1183	332	11	,	,	PUNCT
hij-1183	332	12	m.	m.	NOUN
hij-1183	332	13	(	(	PUNCT
hij-1183	332	14	2025	2025	NUM
hij-1183	332	15	)	)	PUNCT
hij-1183	332	16	.	.	PUNCT
hij-1183	333	1	hybrid	hybrid	ADJ
hij-1183	333	2	clustering	clustering	NOUN
hij-1183	333	3	framework	framework	NOUN
hij-1183	333	4	for	for	ADP
hij-1183	333	5	scalable	scalable	ADJ
hij-1183	333	6	and	and	CCONJ
hij-1183	333	7	robust	robust	ADJ
hij-1183	333	8	query	query	NOUN
hij-1183	333	9	analysis	analysis	NOUN
hij-1183	333	10	:	:	PUNCT
hij-1183	333	11	integrating	integrate	VERB
hij-1183	333	12	minibatch	minibatch	NOUN
hij-1183	333	13	k	k	NOUN
hij-1183	333	14	-	-	PUNCT
hij-1183	333	15	means	means	NOUN
hij-1183	333	16	with	with	ADP
hij-1183	333	17	dbscan	dbscan	PROPN
hij-1183	333	18	hybrid	hybrid	NOUN
hij-1183	333	19	model	model	NOUN
hij-1183	333	20	for	for	ADP
hij-1183	333	21	complex	complex	ADJ
hij-1183	333	22	data	datum	NOUN
hij-1183	333	23	clustering	clustering	NOUN
hij-1183	333	24	.	.	PUNCT
hij-1183	334	1	international	international	ADJ
hij-1183	334	2	journal	journal	NOUN
hij-1183	334	3	of	of	ADP
hij-1183	334	4	advanced	advanced	ADJ
hij-1183	334	5	computer	computer	NOUN
hij-1183	334	6	science	science	NOUN
hij-1183	334	7	and	and	CCONJ
hij-1183	334	8	applications	application	NOUN
hij-1183	334	9	,	,	PUNCT
hij-1183	334	10	16(1	16(1	NUM
hij-1183	334	11	)	)	PUNCT
hij-1183	334	12	,	,	PUNCT
hij-1183	334	13	906–912	906–912	NUM
hij-1183	334	14	.	.	PUNCT
hij-1183	335	1	doi:10.14569	doi:10.14569	PROPN
hij-1183	335	2	/	/	SYM
hij-1183	335	3	ijacsa.2025.0160187	ijacsa.2025.0160187	PROPN
hij-1183	335	4	.	.	PUNCT
hij-1183	336	1	[	[	X
hij-1183	336	2	19	19	NUM
hij-1183	336	3	]	]	X
hij-1183	336	4	cheng	cheng	PROPN
hij-1183	336	5	,	,	PUNCT
hij-1183	336	6	d.	d.	PROPN
hij-1183	336	7	,	,	PUNCT
hij-1183	336	8	zhang	zhang	PROPN
hij-1183	336	9	,	,	PUNCT
hij-1183	336	10	c.	c.	PROPN
hij-1183	336	11	,	,	PUNCT
hij-1183	336	12	li	li	PROPN
hij-1183	336	13	,	,	PUNCT
hij-1183	336	14	y.	y.	PROPN
hij-1183	336	15	,	,	PUNCT
hij-1183	336	16	xia	xia	PROPN
hij-1183	336	17	,	,	PUNCT
hij-1183	336	18	s.	s.	PROPN
hij-1183	336	19	,	,	PUNCT
hij-1183	336	20	wang	wang	PROPN
hij-1183	336	21	,	,	PUNCT
hij-1183	336	22	g.	g.	PROPN
hij-1183	336	23	,	,	PUNCT
hij-1183	336	24	huang	huang	PROPN
hij-1183	336	25	,	,	PUNCT
hij-1183	336	26	j.	j.	PROPN
hij-1183	336	27	,	,	PUNCT
hij-1183	336	28	zhang	zhang	PROPN
hij-1183	336	29	,	,	PUNCT
hij-1183	336	30	s.	s.	PROPN
hij-1183	336	31	,	,	PUNCT
hij-1183	336	32	&	&	CCONJ
hij-1183	336	33	xie	xie	PROPN
hij-1183	336	34	,	,	PUNCT
hij-1183	336	35	j.	j.	PROPN
hij-1183	336	36	(	(	PUNCT
hij-1183	336	37	2024	2024	NUM
hij-1183	336	38	)	)	PUNCT
hij-1183	336	39	.	.	PUNCT
hij-1183	337	1	gb	gb	NOUN
hij-1183	337	2	-	-	PUNCT
hij-1183	337	3	dbscan	dbscan	NOUN
hij-1183	337	4	:	:	PUNCT
hij-1183	337	5	a	a	DET
hij-1183	337	6	fast	fast	ADV
hij-1183	337	7	granular	granular	NOUN
hij-1183	337	8	-	-	PUNCT
hij-1183	337	9	ball	ball	NOUN
hij-1183	337	10	based	base	VERB
hij-1183	337	11	dbscan	dbscan	PROPN
hij-1183	337	12	clustering	cluster	VERB
hij-1183	337	13	algorithm	algorithm	NOUN
hij-1183	337	14	.	.	PUNCT
hij-1183	338	1	information	information	NOUN
hij-1183	338	2	sciences	sciences	PROPN
hij-1183	338	3	,	,	PUNCT
hij-1183	338	4	674	674	NUM
hij-1183	338	5	,	,	PUNCT
hij-1183	338	6	120731	120731	NUM
hij-1183	338	7	.	.	PUNCT
hij-1183	339	1	doi:10.1016	doi:10.1016	PROPN
hij-1183	339	2	/	/	SYM
hij-1183	339	3	j.ins.2024.120731	j.ins.2024.120731	PROPN
hij-1183	339	4	.	.	PUNCT
hij-1183	340	1	[	[	X
hij-1183	340	2	20	20	NUM
hij-1183	340	3	]	]	X
hij-1183	340	4	sadowski	sadowski	PROPN
hij-1183	340	5	,	,	PUNCT
hij-1183	340	6	s.	s.	PROPN
hij-1183	340	7	,	,	PUNCT
hij-1183	340	8	spachos	spachos	ADP
hij-1183	340	9	,	,	PUNCT
hij-1183	340	10	p.	p.	PROPN
hij-1183	340	11	,	,	PUNCT
hij-1183	340	12	&	&	CCONJ
hij-1183	340	13	plataniotis	plataniotis	PROPN
hij-1183	340	14	,	,	PUNCT
hij-1183	340	15	k.	k.	PROPN
hij-1183	340	16	n.	n.	PROPN
hij-1183	340	17	(	(	PUNCT
hij-1183	340	18	2020	2020	NUM
hij-1183	340	19	)	)	PUNCT
hij-1183	340	20	.	.	PUNCT
hij-1183	341	1	memoryless	memoryless	NOUN
hij-1183	341	2	techniques	technique	NOUN
hij-1183	341	3	and	and	CCONJ
hij-1183	341	4	wireless	wireless	NOUN
hij-1183	341	5	technologies	technology	NOUN
hij-1183	341	6	for	for	ADP
hij-1183	341	7	indoor	indoor	ADJ
hij-1183	341	8	localization	localization	NOUN
hij-1183	341	9	with	with	ADP
hij-1183	341	10	the	the	DET
hij-1183	341	11	internet	internet	NOUN
hij-1183	341	12	of	of	ADP
hij-1183	341	13	things	thing	NOUN
hij-1183	341	14	.	.	PUNCT
hij-1183	342	1	ieee	ieee	PROPN
hij-1183	342	2	internet	internet	NOUN
hij-1183	342	3	of	of	ADP
hij-1183	342	4	things	thing	NOUN
hij-1183	342	5	journal	journal	NOUN
hij-1183	342	6	,	,	PUNCT
hij-1183	342	7	7(11	7(11	NUM
hij-1183	342	8	)	)	PUNCT
hij-1183	342	9	,	,	PUNCT
hij-1183	342	10	10996–11005	10996–11005	NUM
hij-1183	342	11	.	.	PUNCT
hij-1183	343	1	doi:10.1109	doi:10.1109	VERB
hij-1183	343	2	/	/	SYM
hij-1183	343	3	jiot.2020.2992651	jiot.2020.2992651	PROPN
hij-1183	343	4	.	.	PUNCT
hij-1183	344	1	[	[	X
hij-1183	344	2	21	21	NUM
hij-1183	344	3	]	]	PUNCT
hij-1183	344	4	torres	torre	NOUN
hij-1183	344	5	-	-	PUNCT
hij-1183	344	6	sospedra	sospedra	PROPN
hij-1183	344	7	,	,	PUNCT
hij-1183	344	8	j.	j.	PROPN
hij-1183	344	9	,	,	PUNCT
hij-1183	344	10	moreira	moreira	PROPN
hij-1183	344	11	,	,	PUNCT
hij-1183	344	12	a.	a.	PROPN
hij-1183	344	13	,	,	PUNCT
hij-1183	344	14	mendoza	mendoza	PROPN
hij-1183	344	15	-	-	PUNCT
hij-1183	344	16	silva	silva	PROPN
hij-1183	344	17	,	,	PUNCT
hij-1183	344	18	g.	g.	PROPN
hij-1183	344	19	m.	m.	PROPN
hij-1183	344	20	,	,	PUNCT
hij-1183	344	21	joao	joao	PROPN
hij-1183	344	22	nicolau	nicolau	PROPN
hij-1183	344	23	,	,	PUNCT
hij-1183	344	24	m.	m.	NOUN
hij-1183	344	25	,	,	PUNCT
hij-1183	344	26	matey	matey	PROPN
hij-1183	344	27	-	-	PUNCT
hij-1183	344	28	sanz	sanz	PROPN
hij-1183	344	29	,	,	PUNCT
hij-1183	344	30	m.	m.	NOUN
hij-1183	344	31	,	,	PUNCT
hij-1183	344	32	silva	silva	PROPN
hij-1183	344	33	,	,	PUNCT
hij-1183	344	34	i.	i.	PROPN
hij-1183	344	35	,	,	PUNCT
hij-1183	344	36	huerta	huerta	PROPN
hij-1183	344	37	,	,	PUNCT
hij-1183	344	38	j.	j.	PROPN
hij-1183	344	39	,	,	PUNCT
hij-1183	344	40	&	&	CCONJ
hij-1183	344	41	pendao	pendao	PROPN
hij-1183	344	42	,	,	PUNCT
hij-1183	344	43	c.	c.	PROPN
hij-1183	344	44	(	(	PUNCT
hij-1183	344	45	2019	2019	NUM
hij-1183	344	46	)	)	PUNCT
hij-1183	344	47	.	.	PUNCT
hij-1183	345	1	exploiting	exploit	VERB
hij-1183	345	2	different	different	ADJ
hij-1183	345	3	combinations	combination	NOUN
hij-1183	345	4	of	of	ADP
hij-1183	345	5	complementary	complementary	ADJ
hij-1183	345	6	sensor	sensor	NOUN
hij-1183	345	7	’s	’s	PART
hij-1183	345	8	data	datum	NOUN
hij-1183	345	9	for	for	ADP
hij-1183	345	10	fingerprint	fingerprint	NOUN
hij-1183	345	11	-	-	PUNCT
hij-1183	345	12	based	base	VERB
hij-1183	345	13	indoor	indoor	ADJ
hij-1183	345	14	positioning	positioning	NOUN
hij-1183	345	15	in	in	ADP
hij-1183	345	16	industrial	industrial	ADJ
hij-1183	345	17	environments	environment	NOUN
hij-1183	345	18	.	.	PUNCT
hij-1183	346	1	2019	2019	NUM
hij-1183	346	2	international	international	ADJ
hij-1183	346	3	conference	conference	NOUN
hij-1183	346	4	on	on	ADP
hij-1183	346	5	indoor	indoor	ADJ
hij-1183	346	6	positioning	positioning	NOUN
hij-1183	346	7	and	and	CCONJ
hij-1183	346	8	indoor	indoor	ADJ
hij-1183	346	9	navigation	navigation	NOUN
hij-1183	346	10	,	,	PUNCT
hij-1183	346	11	ipin	ipin	NOUN
hij-1183	346	12	2019	2019	NUM
hij-1183	346	13	,	,	PUNCT
hij-1183	346	14	1–8	1–8	X
hij-1183	346	15	.	.	PUNCT
hij-1183	346	16	doi:10.1109	doi:10.1109	VERB
hij-1183	346	17	/	/	SYM
hij-1183	346	18	ipin.2019.8911758	ipin.2019.8911758	PROPN
hij-1183	346	19	.	.	PUNCT
hij-1183	347	1	[	[	X
hij-1183	347	2	22	22	NUM
hij-1183	347	3	]	]	PUNCT
hij-1183	347	4	alhmiedat	alhmiedat	NOUN
hij-1183	347	5	,	,	PUNCT
hij-1183	347	6	t.	t.	PROPN
hij-1183	347	7	(	(	PUNCT
hij-1183	347	8	2023	2023	NUM
hij-1183	347	9	)	)	PUNCT
hij-1183	347	10	.	.	PUNCT
hij-1183	348	1	fingerprint	fingerprint	NOUN
hij-1183	348	2	-	-	PUNCT
hij-1183	348	3	based	base	VERB
hij-1183	348	4	localization	localization	NOUN
hij-1183	348	5	approach	approach	NOUN
hij-1183	348	6	for	for	ADP
hij-1183	348	7	wsn	wsn	NOUN
hij-1183	348	8	using	use	VERB
hij-1183	348	9	machine	machine	NOUN
hij-1183	348	10	learning	learning	NOUN
hij-1183	348	11	models	model	NOUN
hij-1183	348	12	.	.	PUNCT
hij-1183	349	1	applied	apply	VERB
hij-1183	349	2	sciences	sciences	PROPN
hij-1183	349	3	(	(	PUNCT
hij-1183	349	4	switzerland	switzerland	PROPN
hij-1183	349	5	)	)	PUNCT
hij-1183	349	6	,	,	PUNCT
hij-1183	349	7	13(5	13(5	NUM
hij-1183	349	8	)	)	PUNCT
hij-1183	349	9	,	,	PUNCT
hij-1183	349	10	3037	3037	NUM
hij-1183	349	11	.	.	PUNCT
hij-1183	350	1	doi:10.3390	doi:10.3390	NOUN
hij-1183	350	2	/	/	SYM
hij-1183	350	3	app13053037	app13053037	PROPN
hij-1183	350	4	.	.	PUNCT
hij-1183	351	1	[	[	X
hij-1183	351	2	23	23	NUM
hij-1183	351	3	]	]	X
hij-1183	351	4	moreira	moreira	PROPN
hij-1183	351	5	,	,	PUNCT
hij-1183	351	6	a.	a.	PROPN
hij-1183	351	7	,	,	PUNCT
hij-1183	351	8	silva	silva	PROPN
hij-1183	351	9	,	,	PUNCT
hij-1183	351	10	i.	i.	PROPN
hij-1183	351	11	,	,	PUNCT
hij-1183	351	12	meneses	menese	NOUN
hij-1183	351	13	,	,	PUNCT
hij-1183	351	14	f.	f.	PROPN
hij-1183	351	15	,	,	PUNCT
hij-1183	351	16	nicolau	nicolau	PROPN
hij-1183	351	17	,	,	PUNCT
hij-1183	351	18	m.	m.	PROPN
hij-1183	351	19	j.	j.	PROPN
hij-1183	351	20	,	,	PUNCT
hij-1183	351	21	pendão	pendão	PROPN
hij-1183	351	22	,	,	PUNCT
hij-1183	351	23	c.	c.	PROPN
hij-1183	351	24	,	,	PUNCT
hij-1183	351	25	&	&	CCONJ
hij-1183	351	26	torres	torre	NOUN
hij-1183	351	27	-	-	PUNCT
hij-1183	351	28	sospedra	sospedra	PROPN
hij-1183	351	29	,	,	PUNCT
hij-1183	351	30	j.	j.	PROPN
hij-1183	351	31	(	(	PUNCT
hij-1183	351	32	2017	2017	NUM
hij-1183	351	33	)	)	PUNCT
hij-1183	351	34	.	.	PUNCT
hij-1183	352	1	multiple	multiple	ADJ
hij-1183	352	2	simultaneous	simultaneous	ADJ
hij-1183	352	3	wi	wi	PROPN
hij-1183	352	4	-	-	PUNCT
hij-1183	352	5	fi	fi	NOUN
hij-1183	352	6	measurements	measurement	NOUN
hij-1183	352	7	in	in	ADP
hij-1183	352	8	fingerprinting	fingerprint	VERB
hij-1183	352	9	indoor	indoor	ADJ
hij-1183	352	10	positioning	positioning	NOUN
hij-1183	352	11	.	.	PUNCT
hij-1183	353	1	2017	2017	NUM
hij-1183	353	2	international	international	ADJ
hij-1183	353	3	conference	conference	NOUN
hij-1183	353	4	on	on	ADP
hij-1183	353	5	indoor	indoor	ADJ
hij-1183	353	6	positioning	positioning	NOUN
hij-1183	353	7	and	and	CCONJ
hij-1183	353	8	indoor	indoor	ADJ
hij-1183	353	9	navigation	navigation	NOUN
hij-1183	353	10	,	,	PUNCT
hij-1183	353	11	ipin	ipin	NOUN
hij-1183	353	12	2017	2017	NUM
hij-1183	353	13	,	,	PUNCT
hij-1183	353	14	2017	2017	NUM
hij-1183	353	15	-	-	SYM
hij-1183	353	16	january	january	PROPN
hij-1183	353	17	,	,	PUNCT
hij-1183	353	18	1–8	1–8	X
hij-1183	353	19	.	.	PUNCT
hij-1183	353	20	doi:10.1109	doi:10.1109	PROPN
hij-1183	353	21	/	/	SYM
hij-1183	353	22	ipin.2017.8115914	ipin.2017.8115914	PROPN
hij-1183	353	23	.	.	PUNCT
hij-1183	354	1	[	[	X
hij-1183	354	2	24	24	NUM
hij-1183	354	3	]	]	PUNCT
hij-1183	354	4	marutho	marutho	PROPN
hij-1183	354	5	,	,	PUNCT
hij-1183	354	6	d.	d.	PROPN
hij-1183	354	7	,	,	PUNCT
hij-1183	354	8	handaka	handaka	PROPN
hij-1183	354	9	,	,	PUNCT
hij-1183	354	10	s.	s.	PROPN
hij-1183	354	11	h.	h.	PROPN
hij-1183	354	12	,	,	PUNCT
hij-1183	354	13	&	&	CCONJ
hij-1183	354	14	wijaya	wijaya	PROPN
hij-1183	354	15	,	,	PUNCT
hij-1183	354	16	e.	e.	PROPN
hij-1183	354	17	(	(	PUNCT
hij-1183	354	18	2018	2018	NUM
hij-1183	354	19	)	)	PUNCT
hij-1183	354	20	.	.	PUNCT
hij-1183	355	1	the	the	DET
hij-1183	355	2	determination	determination	NOUN
hij-1183	355	3	of	of	ADP
hij-1183	355	4	cluster	cluster	NOUN
hij-1183	355	5	number	number	NOUN
hij-1183	355	6	at	at	ADP
hij-1183	355	7	k	k	NOUN
hij-1183	355	8	-	-	NOUN
hij-1183	355	9	mean	mean	ADJ
hij-1183	355	10	using	use	VERB
hij-1183	355	11	elbow	elbow	NOUN
hij-1183	355	12	method	method	NOUN
hij-1183	355	13	and	and	CCONJ
hij-1183	355	14	purity	purity	NOUN
hij-1183	355	15	evaluation	evaluation	NOUN
hij-1183	355	16	on	on	ADP
hij-1183	355	17	headline	headline	NOUN
hij-1183	355	18	news	news	PROPN
hij-1183	355	19	.	.	PUNCT
hij-1183	356	1	2018	2018	NUM
hij-1183	356	2	international	international	ADJ
hij-1183	356	3	seminar	seminar	NOUN
hij-1183	356	4	on	on	ADP
hij-1183	356	5	application	application	NOUN
hij-1183	356	6	for	for	ADP
hij-1183	356	7	technology	technology	NOUN
hij-1183	356	8	of	of	ADP
hij-1183	356	9	information	information	NOUN
hij-1183	356	10	and	and	CCONJ
hij-1183	356	11	communication	communication	NOUN
hij-1183	356	12	,	,	PUNCT
hij-1183	356	13	533	533	NUM
hij-1183	356	14	-	-	SYM
hij-1183	356	15	538	538	NUM
hij-1183	356	16	.	.	PUNCT
hij-1183	357	1	doi:10.1109	doi:10.1109	VERB
hij-1183	357	2	/	/	SYM
hij-1183	357	3	isemantic.2018.8549752	isemantic.2018.8549752	PROPN
hij-1183	357	4	.	.	PUNCT