Clustering Mixtures of Discrete Distributions: A Note on Mitra's Algorithm
Princeton University(普林斯顿大学)
本文改进了Mitra算法在离散混合分布分类中的分析,通过将其调整为二部随机块模型,获得了比原算法更精细的分离条件。
2024-05-29 cs.LG stat.ML
The information bottleneck and geometric clustering
Princeton University(普林斯顿大学);CUNY Graduate Center(纽约市立大学研究生中心)
聚类的信息瓶颈(IB)方法采用联合分布$P\!\left(X,Y\right)$,并将数据$X$映射到保留关于$Y$的最大信息的聚类标签$T$(Tishby等人,1999年)。该目标导致基于数据点的条件分布$P\!\left(Y\mid X\right)$的相似性来聚类数据点的算法。这与经典的“几何聚类”算法(例如$k$ -均值和高斯混合模型(GARCH))形成对比,该算法采用一组观察到的数据点$\left\{ \mathbf{x}_{i}\right\} _{i=1:N}$,并基于它们彼此的几何(通常为欧几里德)距离对它们进行聚类。在这里,我们展示了如何使用确定性信息瓶颈(DIB)(Strouse和Schwab,2017),IB的一种变体,通过选择保留平滑数据集上数据点位置信息的聚类标签来执行几何聚类。我们还介绍了一种新的方法来选择集群的数量,识别解决方案的基础上,使用的集群和空间信息之间的权衡是最强的。我们将这种方法应用于各种简单的聚类问题,表明DIB与我们的模型选择程序恢复生成集群标签。我们还表明,在我们的模型参数的限制,DIB和IB的聚类相当于$k$ -手段和EM拟合的GMM硬和软分配,分别。因此,聚类(D)IB推广,并提供了一个信息理论的角度来看,这些经典的算法。
2020-05-31 cs.AI cs.IT cs.LG
Robust Consensus Clustering and its Applications for Advertising Forecasting
Yahoo Research(雅虎研究院)
共识聚类聚合分区,以便通过协调来自不同来源/执行的聚类结果来找到更好的拟合。在实际应用中,聚类任务中存在噪声和离群点,这可能会显著降低性能。为了解决这个问题,我们提出了一种新的算法-鲁棒的共识聚类,可以找到专家的意见,这往往是最小的影响所造成的偏差离群值之间的共同点。特别是,我们形式化的鲁棒一致性聚类问题作为一个约束优化问题,然后推导出一个有效的算法交替方向的乘法器(ADMM)具有严格的收敛保证。我们的方法优于基准的基线。我们将所提出的方法应用于现实世界的广告活动分割和预测任务,使用建议的共识聚类结果的基础上通过Kolmogorov-Smirnov统计计算的相似性。准确的聚类结果有助于建立广告客户档案,以便执行预测。
2022-12-27 cs.AI cs.IR cs.LG
Transformed Subspace Clustering
Indraprastha Institute of Information Technology(因德拉普拉斯信息技术学院);CentraleSupelec(中央高等电力学院)
子空间聚类假设数据可分离到单独的子空间。如此简单的假设并不总是成立的。我们假设,即使原始数据不能分离成子空间,也可以学习一个表示(变换系数),使得学习的表示可以分离成子空间。为了达到预期的目标,我们嵌入子空间聚类技术(局部线性流形聚类,稀疏子空间聚类和低秩表示)到变换学习。整个配方共同学习,从而产生一类新的方法,称为变换子空间聚类(TSC)。为了考虑非线性,核化扩展的TSC也被提出。为了测试所提出的技术的性能,基准进行图像聚类和文档聚类数据集。与国家的最先进的聚类技术的比较表明,我们的配方改进后,他们。
2019-12-10 cs.LG stat.ML
Cluster Purging: Efficient Outlier Detection based on Rate-Distortion Theory
Know Center GmbH(Know Center股份有限公司);Graz University of Technology(格拉茨理工大学)
基于率失真理论的离群值检测建立在良好的数据压缩将用唯一符号编码离群值的基本原理上。基于这个基本原理,我们提出了聚类清除,这是一个基于聚类的离群点检测的扩展。这种扩展允许人们评估聚类的代表性,并找到最好由单个独特聚类表示的数据。我们提出了两个有效的算法进行集群清除,一个是无参数,而另一个算法有一个参数,控制代表性估计,允许它在监督设置进行调整。在实验评估中,我们表明,聚类清除提高了从原始聚类中检测到的离群值,并且聚类清除与最先进的替代品竞争激烈。
2023-02-22 cs.LG
Improved Spectral-Norm Bounds for Clustering
Carnegie Mellon University(卡内基梅隆大学)
为了统一分离条件下聚类混合分布的已知结果,Kumar和Kannan[2010]引入了聚类数据集的确定性条件。他们表明,这个单一的确定性条件包含了许多以前研究过的聚类假设。更具体地,它们的邻近条件要求在目标$k$ -聚类中,点$x$在连接其聚类中心$μ$和某个其他中心$μ'$的线上的投影是更接近$μ$而不是$μ'$的大的加性因子。该加性因子可以粗略地描述为$k$乘以表示给定(已知)数据集与(未知)目标聚类的均值之间的差异的矩阵的谱范数。显然,邻近条件意味着中心分离-任何两个中心之间的距离必须与上述界限一样大。在本文中,我们改进Kumar和Kannan的工作沿几个轴。首先,我们通过因子$\sqrt{k}$来削弱中心分离约束,其次,我们通过因子$k$来削弱邻近条件。使用这些较弱的界限,我们仍然实现了相同的保证时,所有的点满足邻近条件。我们也实现了更好的保证时,只有$(1-ε)$ -分数的点满足较弱的邻近条件。我们的大部分分析仅依赖于中心分离,在该中心分离下,可以产生(i)具有低误差,(ii)具有低$k$均值成本,以及(iii)具有非常接近目标中心的中心的聚类。我们改进的分离条件使我们能够匹配McSherry[2001]的Planted Partition Model的结果,改进Ostrovsky等人[2006]的结果,并改进特定设置中混合高斯模型的分离结果。
2012-06-15 cs.DS cs.LG
Representation Learning for Clustering via Building Consensus
Microsoft(微软公司);The Ohio State University(俄亥俄州立大学)
在本文中,我们专注于无监督的表示学习的图像聚类。深度聚类和无监督表示学习的最新进展是基于这样的想法,即输入图像的不同视图(通过数据增强技术生成)必须在表示空间中接近(样本一致性),和/或相似的图像必须具有相似的聚类分配(群体一致性)。我们定义了一个额外的概念的一致性,共识一致性,它确保表示学习诱导相似的分区的变化在表示空间,不同的聚类算法或不同的初始化一个单一的聚类算法。我们通过在表示空间中执行变化来定义聚类损失,并将所有三个参数(共识,样本和人口)无缝集成到端到端学习框架中。所提出的算法,共识聚类使用无监督表示学习(ConCURL),提高了聚类性能的国家的最先进的方法上的五个图像数据集。此外,我们扩展了聚类的评估过程,以反映现实世界中遇到的集群任务的挑战,如保持聚类性能的情况下,与分布偏移。我们还进行了详细的消融研究,以更深入地了解所提出的算法。代码和训练模型可在https://github.com/JayanthRR/ConCURL_NCE上获得。
2022-04-25 cs.CV cs.LG
A New Similarity Function for Spectral Clustering with Application to Plant Phenotypic Data
Math of Data Science & Simulation (MODSS) Lab, Computer Science & Engineering(数据科学与模拟(MODSS)实验室,计算机科学与工程);ICAR-Indian Institute of Soybean Research(ICAR-豆类研究印度研究所)
针对植物表型数据聚类,提出基于Cheeger不等式和局部缩放的底数a指数相似度函数,改进光谱聚类,在大豆和水稻数据上分别提升35%和11%的精度。
2025-05-23 cs.AI cs.LG
Differentially Private Clustering: Tight Approximation Ratios
Google Research(谷歌研究院)
我们研究的任务差异私有集群。对于几个基本的聚类问题,包括欧几里德DensestBall,1-Cluster,k-means和k-median,我们给出了高效的差分私有算法,这些算法可以实现与任何非私有算法基本相同的近似比,同时只会产生很小的附加误差。这改进了现有的有效算法,仅实现一些大的常数近似因子。我们的研究结果也意味着一个改进的算法的样本和聚合隐私框架。此外,我们表明,在我们的1-集群算法中使用的工具之一,可以用来得到一个更快的量子算法在一个中等数量的维度的ClosestPair。
2020-08-18 cs.CR cs.DS cs.LG
Delayed Assignments in Online Non-Centroid Clustering with Stochastic Arrivals
Bar Ilan University(巴伊兰大学);University of Oxford(牛津大学)
针对随机到达模型,提出一种常数竞争比的在线非质心聚类算法,允许延迟分配以平衡聚类距离成本和延迟成本。
2026-05-23 cs.AI cs.LG cs.MA
Counterfactual Explanations for Clustering Models
Università della Svizzera italiana (USI)(瑞士意大利语大学);ETH Zurich(苏黎世联邦理工学院)
针对聚类模型难以解释的问题,提出一种模型无关的反事实解释方法,利用软评分引导反事实搜索,在五个数据集和两种聚类算法上显著提升解释质量。
2024-09-19 cs.AI cs.LG cs.NE
ConstellationNet: Reinventing Spatial Clustering through GNNs
MIT PRIMES(麻省理工学院PRIMES项目);MIT(麻省理工学院)
本文提出 ConstellationNet,一种结合 CNN 与 GNN 的框架,通过图增强预测提升空间聚类与分类性能,在多个数据集上以更小模型和更快训练速度超越现有方法。
2025-03-06 cs.AI cs.LG
A Broader View on Clustering under Cluster-Aware Norm Objectives
Max Planck Institute for Informatics(马克斯·普朗克信息学研究所);University of Liverpool(利物浦大学)
本文提出了一种更一般的$(f,g)$-聚类问题,设计了改进的近似算法,实现了在不同聚类问题间的近似界限插值。
2025-12-09 cs.DS cs.LG
Deep Clustering via Gradual Community Detection
针对深度聚类监督信号不足的问题,本文提出渐进式社区检测聚类策略,结合簇网络分析视角提升伪标签纯度,基于主流主干实现的方法在基准图像集上有效提升了SOTA性能。
2025-11-17 cs.AI cs.LG cs.SI
Sample-and-Search: An Effective Algorithm for Learning-Augmented k-Median Clustering in High dimensions
本文提出了一种基于采样与搜索的学习增强高维k-均值聚类算法,通过预处理减少计算复杂度并提升聚类性能。
2026-03-11 cs.DS cs.LG
A Flexible Iterative Framework for Consensus Clustering
提出了一种新的共识聚类框架,它能够使用多种算法确定聚类的数量和最终的解决方案。一致性相似性矩阵是使用多个算法和k的多个值从系综形成的。各种各样的降维技术和聚类算法被认为是分析。对于噪声或高维数据,迭代技术,以改善这种共识矩阵的方式,鼓励算法达成一致的共同解决方案。我们利用几乎解耦的马尔可夫链的理论,通过考虑由一致性矩阵定义的图上的随机游动来确定数据集中的聚类数k。相关的转移概率矩阵的特征值用于确定聚类的数量。这种方法成功地确定了许多数据集中的聚类数,而以前的方法失败了。在每个考虑的数据集上,我们的共识方法提供了一个最终结果,其准确性远高于单个算法的平均水平。
2014-08-05 cs.CV cs.LG stat.ML
Cluster-level Group Representativity Fairness in $k$-means Clustering
Queen’s University Belfast(贝尔法斯特女王大学)
最近,人们对开发公平聚类算法很感兴趣,这些算法试图公正地表示沿着敏感属性(如种族和性别)定义的组。我们观察到,聚类算法可以生成集群,使得不同的群体在不同的集群中处于不利地位。我们开发了一个聚类算法,建立在质心聚类范式开创的经典算法,如$k$ -手段,我们专注于减轻每个集群内的最弱势群体所经历的不公平。我们的方法使用迭代优化范式,通过将对象重新分配到集群来修改初始集群分配,从而使每个集群内的最差敏感组受益。我们证明了我们的方法的有效性,通过广泛的经验评估在现实世界的数据集上的一个新的评价指标。具体来说,我们表明,我们的方法是有效的,在提高集群级组代表性的公平性显着在低影响集群的一致性。
2022-12-29 cs.CY cs.LG
The Utility of Clustering in Prediction Tasks
Worcester Polytechnic Institute(伍斯特理工学院)
我们探讨了聚类在减少各种预测任务中的错误方面的实用性。以前的工作已经暗示,如果用于预处理数据,则归因于聚类算法的预测准确性的提高。在这项工作中,我们更深入地研究了使用聚类来提高预测精度的直接效用,并解释了为什么会这样。我们查看许多数据集,在不同的尺度上运行k-均值,并为每个尺度训练预测器。这产生了k组预测。然后,这些预测被一个朴素的集合组合起来。我们观察到,结合聚类使用预测器提高了大多数数据集的预测准确性。我们相信这表明了利用数据中的结构的预测效用和通过聚类传递的数据压缩。我们还发现,使用该方法甚至改进了随机森林预测器的预测,这表明该方法在预测过程中提供了一种新颖且有用的方差源。
2015-09-21 cs.LG
Hierarchical Clustering with Structural Constraints
Stanford University(斯坦福大学)
层次聚类是一种流行的无监督数据分析方法。对于许多现实世界的应用程序,我们希望利用有关数据的先验信息,这些信息对聚类层次结构施加了约束,并且没有被算法可用的特征集捕获。这就产生了“具有结构约束的层次聚类”问题。结构性约束对平均/单一链接等自下而上的方法构成了重大挑战,尽管它们可以自然地纳入自上而下的分裂算法中,但其输出质量不存在正式保证。在本文中,我们为两个简单的自顶向下算法提供了可证明的近似保证,使用最近引入的具有成对相似性信息的层次聚类的优化观点[Dasgupta,2016]。我们展示了如何找到好的解决方案,即使在存在冲突的先验信息,通过制定一个基于约束的正则化的目标。我们进一步探索了该目标的变体,用于相异信息[Cohen-Addad等人,#20182;改进现有技术。最后,我们展示了我们的方法在一个真正的数据集的分类应用程序。
2018-07-14 cs.AI cs.DS cs.LG
DeepCluE: Enhanced Image Clustering via Multi-layer Ensembles in Deep Neural Networks
South China Agricultural University(华南农业大学);Sun Yat-sen University(中山大学)
本文提出DeepCluE方法,通过从无监督对比学习训练的网络中提取多层特征并构建多样化基础聚类,再基于熵准则和加权二分图迁移割获得共识聚类,在六个图像数据集上验证了其优于现有深度聚类方法。
2023-09-17 cs.CV cs.LG
Biomarker Clustering of Colorectal Cancer Data to Complement Clinical Classification
在本文中,我们描述了一个数据集有关的细胞和身体状况的病人谁是手术切除结直肠肿瘤。这些数据提供了一个独特的洞察免疫状态在肿瘤切除,肿瘤分类和术后生存的点。尝试聚类这个数据集和它的重要子集,努力表征数据和验证现有的肿瘤分类标准。从最佳聚类中可以明显看出,现有的肿瘤分类与患者体内的免疫学因素基本无关,并且可能存在基于肿瘤生理学和患者组织化学的组合重新评估治疗选择和生存估计的范围。
2013-07-05 cs.CE cs.LG
Optimal Transport Based Change Point Detection and Time Series Segment Clustering
Tufts Center for Applied Brain and Cognitive Sciences (CABCS)(塔夫茨应用脑与认知科学中心)
时间序列分析中的两个常见问题是将数据流分解为不相交的片段,每个片段在某种意义上都是“同质的”-一个被称为变点检测(CPD)的问题-以及将相似的不相邻片段分组,我们称之为时间序列片段聚类(TSSC)。基于最近的理论进展,表征了Wasserstein双样本测试的限制性无分布行为(Ramdas et al. 2015),我们提出了一种新的无监督,无分布CPD算法,该算法适用于离线和在线设置。我们还介绍了一种方法,以减轻CPD中的误报,并通过使用检测到的片段之间的Wasserstein距离来建立一个亲和矩阵,我们应用谱聚类来解决TSSC。合成和真实数据集上的结果显示了该方法的优点。
2020-02-20 cs.LG eess.SP
Dynamic Clustering via Asymptotics of the Dependent Dirichlet Process Mixture
MIT(麻省理工学院);Duke University(杜克大学);Ohio State University(俄亥俄州立大学)
本文提出了一种新的算法,依赖Dirichlet过程混合模型(DDPMM)的基础上,包含一个未知数量的演变集群的批量顺序数据的聚类。该算法是通过对DDPMM的Gibbs采样算法进行低方差渐近分析而得出的,并提供了一个具有类似于k-均值算法的收敛保证的硬聚类。移动高斯聚类合成测试和真实ADS-B飞机轨迹数据测试的实证结果表明,该算法需要的计算时间比当代概率和硬聚类算法少几个数量级,同时提供更高的精度检查数据集。
2013-11-01 cs.LG stat.ML
LSTM based Similarity Measurement with Spectral Clustering for Speaker Diarization
Duke Kunshan University(昆山杜克大学);Sun Yat-sen University(中山大学);LIMSI(法国计算机科学与自动化研究所);CNRS(法国国家科学研究中心);Univ. Paris-Sud(巴黎第十一大学)
越来越多的神经网络方法在说话人分类系统的子模块上取得了很大的进步,包括说话人变化检测和分段说话人嵌入提取。然而,在聚类阶段,像概率线性判别分析(PLDA)的传统算法被广泛用于评分两个语音段之间的相似性。在本文中,我们提出了一种有监督的方法来测量具有顺序双向长短期记忆网络(Bi-LSTM)的音频记录的所有片段之间的相似性矩阵。谱聚类应用于相似性矩阵的顶部,以进一步提高性能。实验结果表明,我们的系统显着优于国家的最先进的方法,并实现了6.63%的NIST SRE 2000 CALLHOME数据库上的日志错误率。
2019-07-23 cs.LG cs.SD eess.AS
Nonlinear subspace clustering by functional link neural networks
Southwestern University of Finance and Economics(西南财经大学)
本研究提出基于 functional link neural network 的非线性子空间聚类方法,通过单层网络实现高计算效率,结合局部相似性正则化提升聚类质量,并引入凸组合方案动态平衡线性与非线性表示。
2024-08-27 cs.LG
Differentially Private Algorithms for Clustering with Stability Assumptions
Ben-Gurion University of the Negev(内盖夫本-古里安大学)
本文研究了在输入稳定性假设下的差分私有聚类问题。尽管关于差分隐私的研究越来越多,特别是关于差异隐私聚类的研究,但只有三项研究(Nissim et al. 2007,Wang et al. 2015,Huang et al. 2018)研究了私下聚类“好”k均值实例的问题,这三个都依赖于样本,聚合框架和所有三个测量实用程序在真正的集群中心和返回的中心之间的Wasserstein距离私有算法在这项工作中,我们改进了这一系列的多轴工作。我们提出了一个简单得多的算法聚类稳定的输入(不依赖于样本和聚合框架),并分析其效用的Wasserstein距离和k-means成本。此外,我们的算法有直接的类似物“好”的k-中位数的实例和本地模型的差分隐私。
2021-06-11 cs.DS cs.LG
Multiple-Kernel Dictionary Learning for Reconstruction and Clustering of Unseen Multivariate Time-series
CITEC cluster of excellence(CITEC卓越集群);Bielefeld University(比勒费尔德大学)
存在许多方法用于描述和识别数据集中的不可见类。然而,当我们处理多变量时间序列(MTS)(例如,运动数据),其中我们不能将矢量算法直接应用于输入。在这项工作中,我们提出了一种新的多核字典学习(MKD),学习语义属性的MTS维度在特征空间中的特定组合的基础上。因此,MKD可以基于训练数据(可见类)完全/部分地重建不可见类。此外,我们获得稀疏编码看不见的类的基础上学习的MKD属性,并在此基础上,我们提出了一个简单而有效的增量聚类算法来分类看不见的MTS类在无监督的方式。根据我们的MKD框架在真实基准上的经验评估,它提供了一个不可见MTS数据的可解释的重建以及关于其在线聚类的高性能。
2019-03-12 cs.LG stat.ML
A 4-approximation algorithm for min max correlation clustering
TU Dresden(德累斯顿工业大学);Center for Scalable Data Analytics and AI Dresden/Leipzig(德累斯顿/莱比锡可扩展数据分析与人工智能中心)
针对 min max correlation clustering 问题,提出基于下界技术的完全图组合 4-近似算法,并辅以贪心启发式扩展,在多个基准数据集上提升了求解质量与运行时间。
2024-02-14 cs.DM cs.DS cs.LG
Active Distance-Based Clustering using K-medoids
Sharif University of Technology(谢里夫理工大学)
k-medoids算法是一种分区的、基于质心的聚类算法,它使用数据点的成对距离,并试图将具有$n$点的数据集直接分解成一组$k$不相交的聚类。然而,k-medoids本身需要数据点之间的所有距离,这在许多应用中并不容易获得。在本文中,我们介绍了一种新的方法,它只需要一小部分的整个距离集,并努力估计未知的距离使用查询的上限。该算法利用三角不等式计算未知距离的上界估计。我们的方法是建立在一个递归的方法来聚类对象,并选择一些点主动从每一束数据,并获得这些突出点之间的距离从Oracle。实验结果表明,该方法只使用一个小的子集的距离可以找到适当的聚类在许多真实世界和合成数据集。
2015-12-12 cs.LG
HyperSF: Spectral Hypergraph Coarsening via Flow-based Local Clustering
Stevens Institute of Technology(史蒂文斯理工学院)
超图允许建模具有多路高阶关系的问题。然而,大多数现有的基于超图的算法的计算成本可以严重依赖于输入超图的大小。为了解决日益增长的计算挑战,图粗化可以潜在地应用于通过积极地聚集其顶点(节点)来预处理给定的超图。然而,结合启发式图粗化技术的最先进的超图分区(聚类)方法并没有优化用于保持超图的结构(全局)属性。在这项工作中,我们提出了一个有效的谱超图粗化计划(HyperSF),以及保持原有的谱(结构)超图的属性。我们的方法利用最近的强本地最大流为基础的聚类算法检测超图顶点集,最大限度地减少比率削减。为了进一步提高算法的效率,我们提出了一个分而治之的计划,利用谱聚类的二分图对应的原始超图。我们的实验结果表明,从现实世界中的VLSI设计基准提取的各种超图,所提出的超图粗化算法可以显着提高超图聚类的多路电导以及运行时的效率相比,现有的国家的最先进的算法。
2021-12-21 cs.LG
Attributed Graph Clustering: A Deep Attentional Embedding Approach
University of Technology Sydney(悉尼科技大学);Monash University(莫纳什大学)
图聚类是发现网络中社区或群体的基本任务。最近的研究主要集中在开发深度学习方法来学习紧凑的图嵌入,在此基础上应用经典的聚类方法,如k-means或谱聚类算法。这些两步框架难以操作,并且通常导致次优性能,主要是因为图嵌入不是目标导向的,即,专为特定的集群任务而设计。在本文中,我们提出了一种目标导向的深度学习方法,深度注意嵌入图聚类(简称DAEGC)。我们的方法侧重于属性图,充分探索图中的信息的两个方面。通过使用注意力网络来捕捉相邻节点对目标节点的重要性,我们的DAEGC算法将图中的拓扑结构和节点内容编码为紧凑的表示,在此基础上训练内积解码器来重建图结构。此外,从图嵌入本身产生的软标签来监督一个自训练图聚类过程,迭代地细化聚类结果。自训练过程与图嵌入在统一的框架中共同学习和优化,使两个组件互惠互利。实验结果表明,与现有的算法相比,该方法具有优越性。
2019-06-15 cs.LG stat.ML
A Modular Framework for Centrality and Clustering in Complex Networks
Nanyang Technological University(南洋理工大学)
许多复杂网络的结构包括其拓扑结构上的边方向性和权重。网络分析,可以无缝地考虑这些属性的组合是可取的。在本文中,我们研究了两个重要的网络分析技术,即中心性和聚类。一个基于信息流的聚类模型,这本身就建立在一个信息理论计算中心性的措施。我们的主要贡献包括一个广义模型的马尔可夫熵中心的灵活性,以调整节点度的重要性,边的权重和方向,一个封闭形式的渐近分析。它导致了一种新的两阶段图聚类算法。中心性分析有助于我们的方法聚类一个给定的图形的适用性的原因,并确定“查询”节点,围绕它来探索当地的社区结构,导致凝聚聚类机制。熵中心计算摊销我们的聚类算法,使其计算效率:相比以前的方法使用马尔可夫熵中心聚类,我们的实验表明多个数量级的速度。我们的聚类算法自然继承了适应边缘方向性的灵活性,以及边缘权重和节点度之间的不同解释和相互作用。总之,本文不仅做出了重要的理论和概念贡献,而且还将研究结果转化为实际相关的工件,产生新的,有效的和可扩展的中心性计算和图聚类算法,其有效性已通过广泛的基准测试实验进行了验证。
2021-11-23 cs.IT cs.LG cs.SI
Unsupervised Continual Clustering via Forward-Backward Knowledge Distillation
Department of Electrical and Computer Engineering, McGill University(麦吉尔大学电气与计算机工程系);Mila – Quebec AI Institute(魁北克AI研究所)
提出无监督持续聚类(UCC)问题,并设计前向-后向知识蒸馏方法(FBCC),通过持续教师网络和轻量任务学生网络的双阶段蒸馏,在不存储旧数据的情况下保留聚类结构,显著减少灾难性遗忘。
2026-06-05 cs.LG
Deep Clustering with Incomplete Noisy Pairwise Annotations: A Geometric Regularization Approach
Oregon State University(俄勒冈州立大学)
本文针对深度约束聚类中标注噪声问题,先分析逻辑DCC损失的理论性质,再提出基于几何因子分析的损失函数,在未知标注混淆下仍可证明地识别数据成员身份,并在多个数据集上验证有效性。
2023-05-30 cs.LG
Deep Fair Clustering via Maximizing and Minimizing Mutual Information: Theory, Algorithm and Metric
Sichuan University(四川大学)
本文构建深度公平聚类的互信息理论,提出FCMI算法及整体评估公平性与质量的新度量,并在六个基准上验证其优于11种方法。
2023-04-20 cs.CY cs.LG
latrend: A Framework for Clustering Longitudinal Data
Eindhoven University of Technology(埃因霍温理工大学);Philips Research(飞利浦研究院);Tilburg University(蒂尔堡大学)
本文提出 R 包 latrend,作为统一纵向数据聚类框架,集成多种现有聚类包接口,支持方法比较与快速开发新聚类方法,并在睡眠呼吸暂停依从性合成数据上验证其功能。
2024-02-22 cs.LG stat.ML
Exploring the weather impact on bike sharing usage through a clustering analysis
Malmö University(马尔默大学)
自行车共享系统(BSS)多年来一直是一种受欢迎的旅行服务,并在全球范围内使用。它对希望促进更健康生活方式的城市和用户具有吸引力;减少空气污染和温室气体排放以及改善交通。停靠自行车共享系统的一个主要挑战是重新分配自行车和平衡停靠站。一些研究提出了可以帮助预测自行车使用情况的模型;重新平衡自行车分布的策略;建立模式或如何识别模式。其他研究建议通过包括天气数据来扩展这种方法。本研究旨在扩展这些建议和机会,探讨天气如何以及在多大程度上影响自行车的使用。收集华盛顿市的自行车使用数据和天气数据,并使用k均值聚类算法进行分析。K-means根据天气条件确定了三个与自行车使用相对应的聚类。结果表明,天气对自行车使用的影响在集群之间是明显的。结果表明,在五个天气变量中,温度和降水的权重最大。
2020-08-17 cs.LG stat.ML
FLASC: A Flare-Sensitive Clustering Algorithm
Data Science Institute (DSI), UHasselt, Diepenbeek, Belgium(数据科学研究所);Expertisecentrum voor Digitale Media (EDM), UHasselt – Flanders Make, Diepenbeek, Belgium(数字媒体专家中心);Augmented Intelligence for Data Analytics (AIDA) Lab, Department of Biosystems, KU Leuven, Leuven, Belgium(增强智能数据分析实验室)
FLASC是一种基于HDBSCAN*的耀斑敏感聚类算法,通过后处理检测聚类内分支以识别子群体,在计算成本与噪声鲁棒性间权衡,并在合成及真实数据集上验证了其高效性与稳定性。
2024-10-08 cs.DB cs.LG
Hierarchical and Density-based Causal Clustering
Korea University(高丽大学);Seoul National University(首尔大学);Carnegie Mellon University(卡内基梅隆大学)
针对处理效应异质性识别中亚组结构未知的难题,该研究整合层次与基于密度的聚类算法拓展因果聚类框架,提出无需强结构假设的即插即用估计量,推导收敛性质并通过模拟和真实数据集验证,为同质子组识别与伪结果聚类提供新方法。
2024-11-02 cs.LG stat.ME stat.ML
Clustering evolving data using kernel-based methods
Université de Namur(那慕尔大学)
在这篇论文中,我们提出了几种建模策略来处理不同背景下不断变化的数据。在静态聚类的框架下,我们首先介绍了一个软核谱聚类(SKSC)算法,它可以更好地处理重叠的集群相对于核谱聚类(KSC),并提供更多的可解释的结果。在此基础上,提出了基于KSC的静态网络社区发现的整体策略,其中高质量训练子图的提取、核函数的选择、模型的选择以及对大规模数据的适用性是关键。这铺平了道路的发展一种新的聚类算法的分析不断发展的网络称为核谱聚类与记忆效应(MKSC),在连续的时间步长的聚类结果之间的时间平滑度被纳入在初级优化问题的水平,通过适当修改KSC制定。最后给出了KSC在工业机械故障检测中的应用。在这里,需要通过适当的窗口操作对数据进行智能预处理,以捕捉影响机器的正在进行的退化过程。通过这种方式,在真正无人监督的情况下,可以在必要时以在线方式发出预警。最后,我们提出了一种新的算法称为增量核谱聚类(IKSC)的在线学习的非平稳数据。这一雄心勃勃的挑战是通过利用核谱聚类(KSC)的样本外属性来适应初始模型,以解决聚类随时间的合并,分裂或漂移。本文考虑的实际应用包括图像分割、时间序列聚类、静态和演化网络的社区发现。
2014-11-20 cs.LG cs.SI stat.ML