We present evidence to suggest that

We present evidence to suggest that decentralized algorithms
based upon this homogenizing transformation can
scale effectively for anytime online hierarchical clustering of
large and dynamically changing data sets. Each local homogenizing
adjustment entails computation over a proper
subset of the entire dataset — and, for some linkages, merely
its sufficient statistics (e.g. mean, variance). In these circumstances,
given the sufficient statistics of a dataset, such
a restructuring decision at a node of a clustering hierarchy
can be made in constant time (for further discussion see Section
4.2).

Results (Indonesian) 2:

Kami menyajikan bukti yang menunjukkan bahwa algoritma desentralisasi
berdasarkan transformasi homogenisasi ini dapat
skala efektif untuk kapan saja pengelompokan secara online hirarkis
besar dan dinamis mengubah data set. Setiap homogenisasi lokal
penyesuaian memerlukan perhitungan lebih tepat
subset dari seluruh dataset - dan, untuk beberapa hubungan, hanya
statistik yang cukup (misalnya mean, variance). Dalam keadaan ini,
mengingat statistik yang cukup dari kumpulan data, seperti
keputusan restrukturisasi pada simpul dari hirarki pengelompokan
dapat dilakukan dalam waktu yang konstan (untuk diskusi lebih lanjut lihat Bagian
4.2).