An Approach for Clustering Subjects According to Similarities in Cell Distributions within Biopsies
IMT Atlantique(IMT大西洋);CNRS(法国国家科学研究中心);University of Brest(布雷斯特大学);Brest University Hospital(布雷斯特大学医院)
在本文中,我们介绍了一种新的和可解释的方法来聚类受试者患有癌症,根据从他们的活检提取的特征。与现有的方法相反,我们建议在这里捕捉复杂的模式,在他们的细胞使用直方图的重新分区,并比较这些重新分区的基础上的主题。我们在这里描述了我们完整的工作流程,包括创建数据库,细胞分割和表型,复杂特征的计算,特征之间距离函数的选择,使用该距离在受试者之间进行聚类,以及对获得的聚类进行生存分析。我们说明了我们的方法在患有I期肺腺癌的受试者的苏木精和伊红(H&E)染色组织的数据库上,其中我们的结果与预后估计中的现有知识相匹配,具有很高的置信度。
2020-07-06 cs.LG q-bio.QM q-bio.TO
Penalized model-based clustering of fMRI data
University of Minnesota(明尼苏达大学)
功能性磁共振成像(fMRI)数据已经变得越来越可用,并且用于描述功能连接(FC),即大脑区域中神经元活动的相关性。大脑的FC提供了对某些神经退行性疾病和精神疾病的洞察,因此具有临床重要性。为了帮助医生了解患者的诊断,需要基于FC对受试者进行无监督聚类,从而允许数据根据共享的连通性特征告知我们患者分组。由于FC的异质性甚至在同一组内的患者之间也存在,因此重要的是允许受试者水平的连接差异,同时仍然汇总各组内患者的信息以描述组水平的FC。为此,我们提出了一个随机协方差聚类模型(RCCM),同时集群的基础上,他们的FC网络的主题,估计每个主题的唯一FC网络,并推断共享的网络功能。虽然目前的方法存在估计FC或聚类科目使用功能磁共振成像数据,我们的新的贡献是集群或分组科目的基础上类似的FC的大脑,同时提供组和主题级FC网络估计。RCCM相对于其他方法的竞争力表现,通过在各种设置中的模拟,实现改进的主题聚类和FC网络的估计。所提出的方法的实用性证明与应用程序的静息状态fMRI数据集收集43名健康对照和61名被诊断为精神分裂症的参与者。
2020-10-13 cs.LG stat.ML
Unsupervised clustering and classification of upper limb EMG signals during functional movements: a data-driven
In2Lab, Engineer Faculty, Universidad de Antioquia(1 In2实验室,工程师学院,安提奥基亚大学);School of Engineering and Sciencies, Tecnológico de Monterrey(2 工程与科学学院,蒙特雷技术学院)
本文提出了一种综合方法,用于对功能性抓取和抓握运动中上肢表面肌电信号进行聚类和分类,通过数据驱动的方法在NINAPRO DB4数据集上应用,提出了一种四阶段流程,包括信号预处理、特征提取、通过层次聚类选择手势以及比较模型评估,最终选出五个关键特征用于分类任务。
2026-05-20 cs.LG
Improving cluster recovery with feature rescaling factors
University of Essex(埃塞克斯大学)
数据预处理阶段是聚类的关键。特征可以使用不同的尺度来描述实体。为了纠正这一点,人们通常应用特征归一化,旨在重新缩放特征,以便在所选聚类算法的目标函数中没有一个特征压倒其他特征。在本文中,我们认为,重新缩放过程不应该对待所有的功能相同。相反,它应该倾向于对聚类更有意义的特征。考虑到这一点,我们引入了一个功能重新缩放的方法,考虑到集群内的每个功能的相关度。我们全面的模拟研究,进行真实和合成数据,有和没有噪声功能,清楚地表明,聚类方法,使用建议的数据规范化策略,明显优于那些使用传统的数据规范化。
2020-12-01 cs.LG
Are EEG Sequences Time Series? EEG Classification with Time Series Models and Joint Subject Training
Institute for Computer Science, University of Hildesheim(希尔德斯海姆大学计算机科学学院)
本文系统比较EEG分类与通用时间序列分类模型,提出结合受试者嵌入的联合受试者条件训练方法,使现成时间序列模型在三个数据集中两个上达到或超过专用EEG模型性能。
2026-10-23 cs.LG eess.SP
tsrobprep - an R package for robust preprocessing of time series data
University of Duisburg-Essen(杜伊斯堡-埃森大学)
数据清理是每个数据分析练习的关键部分。然而,当前可用的R包不提供用于清洗和准备时间序列数据的快速且鲁棒的方法。开源包tsrobrep引入了使用基于模型的方法处理缺失值和离群值的有效方法。对于数据插补,提出了一种概率替换模型,该模型可以由自回归分量和外部输入组成。对于离群值检测的聚类算法的基础上有限的混合建模,它认为时间序列属性的梯度和基本的季节性作为特征。该过程允许返回每个观测值为离群数据的概率以及根据所提供的特征空间进行离群值分配的特定原因。这些方法工作稳健,并且完全可调。此外,通过提供auto_data_cleaning函数,可以一次性执行数据预处理,而无需全面调优并提供合适的结果。该软件包的主要目的是对能源系统数据进行预处理。我们目前的应用程序的电力负荷,风能和太阳能发电数据。
2021-10-11 cs.LG cs.MS stat.CO
Assessing the impact of dimensionality reduction on clustering performance - a systematic study
Université du Québec à Montréal(魁北克大学蒙特利尔分校);Mila - Quebec AI Institute(魁北克AI研究所)
本文系统研究了五种降维方法对四种聚类算法的影响,通过调整降维级别评估聚类质量,强调了选择合适降维技术和级别的重要性。
2026-09-24 cs.LG
Unsupervised Learning: Comparative Analysis of Clustering Techniques on High-Dimensional Data
本研究针对高维数据聚类问题,提出结合多种降维技术与量化指标的评估框架,对比三类主流聚类算法,发现UMAP预处理可提升聚类质量,且不同算法各有适配场景,为高维数据聚类技术选型提供系统方法。
2025-07-30 cs.LG stat.ML
Unification of HDP and LDA Models for Optimal Topic Clustering of Subject Specific Question Banks
University of Bath(巴斯大学)
大学课程改革已成为一种越来越流行的趋势,使教学更具互动性,并适合于网络课程。在线课程越来越受欢迎,将导致学术界与课程有关的查询数量增加。这一点,再加上一个事实,即如果讲座是在视频点播格式提供,将没有固定的时间,其中大多数学生可以提出问题。当在讲座中提出问题时,重复出现类似问题的可能性可以忽略不计,但异步出现的可能性更大。为了减少回答每个问题所花费的时间,聚类是一个理想的选择。有不同的无监督模型适合文本聚类,其中潜在的Dirichlet分配模型是最常用的。我们使用分层狄利克雷过程来确定LDA模型运行的最佳主题数输入。由于这些主题模型的概率性质,它们的输出在不同的运行中会有所不同。我们发现的总体趋势是,在LDA模型的第一次运行中,并不是所有的主题都被用于聚类,这导致聚类效率较低。为了处理概率输出,我们递归地对正在使用的有效主题使用LDA模型,直到我们获得1的效率比。通过我们的实验结果,我们还建立了一个推理如何芝诺悖论是避免的。
2020-10-04 cs.CL cs.IR cs.LG
The Kernel Density Integral Transformation
本文提出核密度积分变换作为表格数据的特征预处理方法,它将线性min-max scaling和quantile transformation作为极限情况包含在内,无需调优即可作为简单替代方案,调优后常优于这两种方法,并适用于相关性分析和单变量聚类等统计数据分析。
2023-10-19 cs.LG stat.ML
Clustering with Missing Features: A Penalized Dissimilarity Measure based approach
Indian Statistical Institute(印度统计研究所);Jadavpur University(贾达普大学)
许多现实世界的聚类问题都受到不完整数据的困扰,这些数据的特征是某些或所有数据实例的特征缺失或缺失。传统的聚类方法不能直接应用于这样的数据,没有预处理的插补或边缘化技术。在这篇文章中,我们克服了这个缺点,利用惩罚相异性措施,我们称之为特征加权惩罚的差异(FWPD)。利用FWPD测度,对传统的k-means聚类算法和标准的层次凝聚聚类算法进行了改进,使其直接适用于特征缺失的数据集。我们提出了这些新技术的时间复杂度分析,并进行了详细的理论分析表明,新的基于FWPD的k-means算法收敛到一个局部最优在有限数量的迭代。我们还提出了一个详细的方法来模拟随机以及功能相关的缺失。我们报告了针对不同类型缺失的各种基准数据集的广泛实验,表明与通常用于处理此类不完整数据的一些最知名的插补方法相比,所提出的聚类技术通常具有更好的结果。我们附加了一个可能的扩展建议的相异性措施的情况下,不存在的功能(其中未观察到的功能是已知的未定义)。
2018-07-07 cs.LG
Hypernetwork-based approach for grid-independent functional data clustering
Department of Computer Science(计算机科学系);University of Central Florida(中央佛罗里达大学)
本文提出基于超网络的函数数据聚类方法,通过隐式神经表示实现网格无关的紧凑表示,提升高维数据下对采样分辨率变化的鲁棒性。
2026-02-26 cs.LG
Electrode Clustering and Bandpass Analysis of EEG Data for Gaze Estimation
ETH Zurich(苏黎世联邦理工学院);University of Zurich(苏黎世大学)
在这项研究中,我们验证了以前发表的论文的研究结果,显示了基于脑电图(EEG)的凝视估计的可行性。此外,我们扩展了以前的研究,证明模型性能只有轻微的下降,我们可以显着减少电极的数量,这表明高密度,昂贵的EEG帽是不必要的EEG为基础的眼睛跟踪的目的。使用数据驱动的方法,我们建立了哪些电极簇影响凝视估计以及不同类型的EEG数据预处理如何影响模型的性能。最后,我们还检查哪些记录的频率对定义的任务最重要。
2023-02-19 cs.HC cs.LG eess.SP
Spectral Clustering of Categorical and Mixed-type Data via Extra Graph Nodes
Columbia University(哥伦比亚大学);Bowdoin College(鲍登学院)
针对类别型与混合型数据聚类,提出添加对应类别的额外图节点的谱聚类方法,无需预处理,可解释且对纯类别数据达线性时间,性能与运行时间具竞争力。
2024-03-08 cs.LG stat.ML
Learning From Hidden Traits: Joint Factor Analysis and Latent Clustering
University of Minnesota(明尼苏达大学)
先验性降低技术在数据分析、信号处理和机器学习中起着至关重要的作用。简化通常在预处理阶段执行,该预处理阶段与后续的数据分析(例如聚类或分类)分开。找到适合预期任务的降维表示更有吸引力。本文提出了一种联合因子分析和潜在聚类框架,旨在学习矩阵和张量数据的聚类感知低维表示。所提出的方法利用矩阵和张量因子分解模型,这些模型产生数据的基本上唯一的潜在表示,以解开潜在的集群结构-由于在潜在空间中应用倾斜变换的自由,否则会被掩盖。同时,利用潜在聚类结构作为先验信息,提高了分解的性能。具体的贡献包括几个定制的问题配方,相应的算法,并讨论相关的收敛性能。除了广泛的模拟,真实世界的数据集,如路透社的文档数据和MNIST图像数据也被用来展示所提出的方法的有效性。
2016-05-21 cs.LG stat.ML
Using the left Gram matrix to cluster high dimensional data
Texas A & M University(德州农工大学)
对于高维数据,N个对象(P >> N)的P个特征表示在一个N × P矩阵X中,我们描述了一种基于归一化左Gram矩阵G = XX '/P的聚类算法。在一定的正则条件下,G中对应于同一类中对象的行收敛到同一个均值向量。通过对行均值进行聚类,该算法不需要通过降维或特征选择技术进行预处理,也不需要调整或超参数值的规范。因为它基于NxN矩阵G,所以它比许多基于聚类特征矩阵X的方法具有更低的计算成本。当与应用于32个基准微阵列数据集的14个其他聚类算法相比时,所提出的算法提供了对底层聚类配置的最准确估计,其最接近的竞争对手的两倍多。
2022-02-16 cs.LG stat.ML
MLPrE -- A tool for preprocessing and exploratory data analysis prior to machine learning model construction
The University of Texas MD Anderson Cancer Center(德克萨斯大学MD安德森癌症中心)
针对现有数据预处理工作流扩展性不足、难集成的问题,提出基于SparkDataFrames的可泛化轻量工具MLPrE,含69个处理阶段,支持多场景数据处理,可加速机器学习早期开发。
2025-10-29 cs.LG
GCMCG: A Clustering-Aware Graph Attention and Expert Fusion Network for Multi-Paradigm, Multi-task, and Cross-Subject EEG Decoding
Faculty of frontier sciences, Harbin Institute of Technology, Shenzhen(前沿科学学院,哈尔滨工业大学深圳校区);Doumaomao NetTech Co., Ltd.(杜马莫莫网络技术有限公司);University of Melbourne(墨尔本大学);The University of New South Wales(新南威尔士大学)
GCMCG通过图注意力与专家融合网络提升多范式、多任务和跨受试者EEG解码的准确性和泛化能力。
2025-11-29 cs.LG eess.SP
A survey on feature weighting based K-Means algorithms
University of Hertfordshire(赫特福德大学)
在现实世界的数据集中,总是存在这样的可能性,我们认为这种可能性相当高,即不同的特征可能具有不同程度的相关性。大多数机器学习算法通过在数据预处理阶段选择或取消选择特征来处理这一事实。然而,我们认为,即使在相关的功能可能有不同程度的相关性,这应该考虑到在聚类过程中。拥有超过50年的历史,K-Means可以说是最流行的分区聚类算法。第一个基于K-Means计算特征权重的聚类算法是在30多年前设计的。各种这样的算法已经被设计,但还没有,据我们所知,一项调查整合集群恢复能力的经验证据,常见的缺陷,以及未来研究的可能方向。本文详细阐述了特征加权的概念,并通过批判性地分析一些最流行的,或创新的,基于K-Means的特征加权机制来解决这些问题。
2015-09-22 cs.LG
Two-Dimensional Semi-Nonnegative Matrix Factorization for Clustering
Qingdao University(青岛大学);University of Electronic Science and Technology of China(电子科技大学);University of Kentucky(肯塔基大学)
本文提出了一种新的二维数据的半非负矩阵分解方法TS-NMF。它克服了现有方法在预处理步骤中通过将二维数据转换为矢量来严重破坏数据的空间信息的缺点。特别地,在构建新的数据表示的指导下寻求投影矩阵,使得空间信息被保留并且投影通过聚类的目标被增强,这有助于构造最优投影方向。此外,为了利用数据的非线性结构,在投影子空间中构造流形,该流形根据投影自适应地更新,并且较少受数据的噪声和异常值的影响,因此在投影空间中更具代表性。因此,寻求投影,构建新的数据表示和学习流形无缝集成在一个模型中,相互增强,并导致强大的数据表示。综合的实验结果验证了TS-NMF的有效性与几个国家的最先进的算法相比,这表明所提出的方法在现实世界中的应用潜力很大。
2020-05-19 cs.LG stat.ML
Power to the Points: Validating Data Memberships in Clusterings
University of Utah(犹他大学)
聚类是基于与其他点的接近度对点的标签的隐式分配。这些标签随后被用于下游分析(要么关注单个聚类,要么识别聚类的代表等)。因此,为了将聚类作为探索性数据分析的第一步,我们必须信任分配给单个数据的标签。如果没有监督,我们如何验证这一任务?在本文中,我们提出了一种方法来附加亲和力分数的隐式标签的个人点在聚类。亲和度得分捕获声称“拥有”该点的聚类的置信度水平。这个方法非常通用:它可以用于从欧几里德数据、核化数据或甚至从信息空间导出的数据导出的聚类。它平滑地整合了聚类的重要性函数,允许我们以不同的方式划分八个不同的聚类。它也是高效的:将相似性分数分配给点仅多项式地取决于簇的数量,并且与数据中的点的数量无关。底层空间的维度只在预处理中出现。我们证明了我们的方法的价值与实验研究,说明了使用这些分数在不同的数据分析任务,以及该方法的效率和灵活性。我们还展示了这些分数的有用的可视化;这些可能在交互式分析框架内证明是有用的。
2013-05-21 cs.CG cs.LG
Improving Quality of Hierarchical Clustering for Large Data Series
Aarhus University(奥胡斯大学)
布朗聚类是一种对词汇表中的单词进行严格的、层次化的、自下而上的聚类。根据词在给定语料库中的使用模式将词分配到聚类。所得到的聚类和层次结构可以用于构建基于类的语言模型,并用于生成要在NLP任务中使用的特征。由于其高计算成本,布朗聚类的最常用版本是一种使用窗口来限制其搜索空间的贪心算法。像其他聚类算法一样,Brown聚类找到了一个次优的,但仍然有效的词到聚类的映射。由于它能够产生高质量的、人类可理解的聚类,布朗聚类在NLP研究社区中得到了很高的应用,它被用于预处理和特征生成步骤。很少有研究已经做了对提高质量的布朗集群,尽管贪婪和启发式的性质的算法。到目前为止,尝试的方法集中在:研究在类似的算法中的初始化的效果;调整用于定义所需数量的集群和算法的行为的参数;以及包括一个单独的参数来区分窗口和所需数量的集群。然而,其中一些方法并没有显着提高集群质量。在这篇论文中,布朗算法提供了一个密切的分析,揭示了重要的规格和弱点,在原来的算法。这些都严重影响了布朗聚类的聚类质量和重复性。在论文的第二部分,提出了两个修改。最后,一个彻底的评估进行,同时考虑布朗聚类的优化标准和性能的基于类的语言模型。
2016-08-03 cs.CL cs.LG
Subject clustering by IF-PCA and several recent methods
Carnegie Mellon University(卡内基梅隆大学);Harvard University(哈佛大学)
本文融合 VAE 与 IF-PCA 提出 IF-VAE,并在多类基因数据集上对比多种聚类方法,证明 IF-PCA 兼具性能与理论可分析性。
2023-06-08 cs.LG math.ST stat.AP
K-Metamodes: frequency- and ensemble-based distributed k-modes clustering for security analytics
Hasso Plattner Institute(哈索·普拉特纳研究所)
目前,对日志信息等安全大数据的处理通常用于入侵检测。它的异构性,以及组合的数值和分类属性不允许应用现有的数据采掘方法直接对数据进行特征预处理。因此,一个相当昂贵的计算转换的分类属性到向量空间应用于分析这样的数据。然而,一个众所周知的k-modes算法允许直接聚类分类数据,避免转换到向量空间。用于大数据处理的k模式的现有实现是基于集合的,并利用两步聚类,其中数据子集首先独立地聚类,而得到的聚类模式再次聚类,以便计算对所有数据子集有效的元模型。在本文中,新的频率为基础的距离函数提出的第二步,基于集合的k-模式聚类。除此之外,现有的功能离散化方法,从以前的工作,以适应k模式的混合数据集的处理。在两个公共安全数据集上进行了测试,结果表明,该算法与已有的算法相比具有更高的有效性。
2019-09-30 cs.CR cs.LG stat.ML
Fuzzy c-Shape: A new algorithm for clustering finite time series waveforms
University of Melbourne(墨尔本大学)
在许多应用中存在大量的时间序列数据,这促使数据挖掘人员研究专门的方法来挖掘时间序列数据。聚类是一种流行的数据采掘方法,由于其强大的探索性质和其有用的预处理步骤,为其他数据采掘技术。本文开发了两个新的聚类算法的时间序列数据,是一个清晰的c形算法的扩展。这两个新算法是模糊c-均值(FCM)的启发式衍生物。模糊c-square plus(FCS+)用基于形状的距离函数代替FCM模型中的内积范数。模糊C-均值双加(FCS++)使用基于形状的距离,也取代FCM聚类中心与形状提取的原型。在48个实时的序列数据集上的数值实验表明,这两种新算法在精度和效率方面都优于现有的基于形状的聚类算法.四个外部聚类有效性指标(兰德指数,调整后的兰德指数,变异的信息,和归一化互信息)被用来匹配候选分区所产生的每一个研究的算法。所有四个指标都认为,对于这些有限的波形数据集,FCS++给出了一个小的改进FCS+,反过来,FCS+是优于原来的清晰的c形方法。最后,我们应用两个测试的统计意义的三个算法。Wilcoxon和Friedman统计量都以与四个聚类有效性指数完全相同的方式对三种算法进行排名。
2016-08-03 cs.LG
Adaptive Transfer Clustering: A Unified Framework
Columbia University(哥伦比亚大学);University of Sydney Business School(悉尼大学商学院)
本文提出自适应迁移聚类框架,通过优化偏差-方差分解实现跨数据集的高效聚类,适用于多种统计模型并证明其理论最优性。
2026-03-08 cs.LG math.ST stat.ME
Counterfactually Fair Reinforcement Learning via Sequential Data Preprocessing
University of Michigan(密歇根大学);London School of Economics(伦敦政治经济学院)
针对强化学习在医疗多阶段决策中易引发群体公平偏差的问题,提出基于反事实公平的通用序列决策框架,证明最优策略平稳性并设计序列数据预处理算法,经仿真和真实数字健康数据集验证可有效提升决策公平性与咨询服务可及性。
2025-01-14 cs.CY cs.LG stat.ME
Using competency questions to select optimal clustering structures for residential energy consumption patterns
Delft University of Technology(代尔夫特理工大学);University of Cape Town(开普敦大学);Centre for Artificial Intelligence Research(人工智能研究中心)
在聚类分析过程中,经常依赖于领域专家和视觉分析来确定最佳聚类结构。这一过程往往是临时的、主观的,难以复制。这项工作展示了如何使用能力问题来正式确定专家知识和应用要求,以便对住宅能源消耗领域的集群应用进行特定背景评估。
2020-06-01 cs.LG stat.ML
Pattern Dependence Detection using n-TARP Clustering
Purdue University(普渡大学)
考虑一个实验,涉及的对象可能很少。在每个受试者身上都观察到一些随机变量:一个高维变量称为“观察到的”随机变量,一个一维变量称为“结果”随机变量。我们感兴趣的是观察到的随机变量和结果随机变量之间的依赖关系。我们提出了一种方法来量化和验证的依赖关系的结果随机变量的各种模式中所包含的观察到的随机变量。探索不同程度的关系(线性、二次、三次等)。这项工作的动机是需要分析教育数据,这往往涉及高维数据代表了少数学生。因此,我们的实现是为少量的主题而设计的;然而,它可以很容易地修改以处理非常大的数据集。作为一个例子,所提出的方法是用来研究的某些技能的课程成绩的学生在信号处理类的影响。在数据中观察到等级对不同技能模式的有效依赖性。
2018-06-13 cs.LG stat.ME stat.ML
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
Clustering and Pruning in Causal Data Fusion
Department of Mathematics and Statistics(数学与统计学系)
针对多数据源因果融合中变量增多导致计算复杂的问题,提出剪枝和聚类预处理方法,基于小图推断大图中因果效应的可识别性并给出识别函数。
2026-09-09 cs.LG stat.ME stat.ML
Analysis of Public Schools Educational Performance Based on Causal Models and Hierarchical Clustering
Labcin - Nature Inspired Computing Lab, Federal University of Esp\'irito Santo, Vit\'oria, Brazil PPGI - Graduate Program in Computer Science, Federal University of Esp\'irito Santo, Vit\'oria, Brazil
该研究利用巴西学校普查和基础教育评估系统数据,经预处理、归一化及层次聚类识别学校类型,再用因果分析技术探究学校特征与教育成果的潜在因果关系,揭示不同学校概况及平均表现差异,助于理解影响教育绩效的因素。
2026-07-17 cs.LG stat.AP
Protocol for Clustering 4DSTEM Data for Phase Differentiation in Glasses
Ben-Gurion University of the Negev(贝耶尔谢瓦本·古里翁大学)
本研究针对相变材料纳米尺度成分结构异质性难解析的问题,将无监督机器学习用于4D-STEM数据聚类,识别出4类化学与结构特征不同的区域,为关联PCMs局部特征、研究其本征异质性提供了有效框架。
2025-08-31 cond-mat.mtrl-sci cs.CV cs.LG
Clustering multi-way data: a novel algebraic approach
University of Washington(华盛顿大学);Tufts University(塔夫茨大学)
在本文中,我们通过结合来自不同领域的两个最新创新来开发一种双向(矩阵)数据的无监督聚类方法:稀疏子空间聚类(SSC)算法[10],它将来自子空间的并集的点分组到各自的子空间中,以及t积[18],它被引入为三阶张量提供类似矩阵的乘法。我们的算法类似于SSC,因为不同数据点之间的“亲和力”是使用数据的稀疏自表示来构建的。与SSC不同的是,我们在自我表征中使用了t-乘积。这使我们在建模时具有更大的灵活性;事实上,SSC是我们方法的一个特例。当使用t积时,三路数组被视为其元素(标量)是n元组或管的矩阵。卷积取代了标量乘法。这个框架允许我们将2-D数据嵌入到一个类似于向量空间的结构中,称为交换环上的自由模块。这些自由模保留了复杂内积空间的许多属性,我们利用这些属性为我们的算法提供理论保证。我们表明,相比向量空间的同行,SSMC实现了更高的精度和更好地能够聚类数据,在一些图像聚类问题的预处理较少。特别是,我们展示了所提出的方法在魏茨曼人脸数据库,扩展耶鲁B人脸数据库和MNIST手写数字数据库的性能。
2015-02-22 cs.CV cs.IT cs.LG
Trajectory Clustering Performance Evaluation: If we know the answer, it's not clustering
Polytechnique Montréal(蒙特利尔理工学院)
智能交通系统(ITS)的进步使得通过自动数据汇集可以获得大量的交通数据。这些数据的很大一部分存储为移动车辆和道路使用者的轨迹。在最少的人为监督下自动分析这些数据既可以降低成本,又可以消除分析的主观性。轨迹聚类是一个无监督的任务。在本文中,我们进行了全面的比较相似性措施,聚类算法和评价措施,使用轨迹数据从七个交叉口。我们还提出了一种方法来自动生成轨迹参考集群的基础上,他们的原点和目的地点,用于基于标签的评估措施。因此,整个过程在聚类和评价水平上都是无监督的。最后,我们使用一个组合的评估措施,找到最好的执行相似性措施和聚类算法的每个路口。结果表明,没有一种距离和聚类算法的单一组合总是在前十名的聚类设置中。
2021-12-02 cs.AI cs.LG
Unsupervised Clustering Approaches for Autism Screening: Achieving 95.31% Accuracy with a Gaussian Mixture Model
ever-growing GmbH(Ever-growing 公司);Dyslexia99
本文比较四种无监督聚类算法用于自闭症筛查,在704人数据集上经超参数调优后,高斯混合模型取得95.31%的最高聚类准确率,证明无监督方法在标签数据稀缺时具有辅助早期检测的潜力。
2025-02-20 cs.CY cs.LG
Central Description Length (CDL) Clustering Validation Index
Toronto Metropolitan University(多伦多 Metropolitan 大学)
提出中心描述长度(CDL)聚类验证指标,通过计算不可观测真实聚类中心描述长度的概率上界来评估聚类质量,无需标签且适用于非凸和不规则形状数据。
2026-06-02 cs.LG eess.SP stat.ML
SpecHD: Hyperdimensional Computing Framework for FPGA-based Mass Spectrometry Clustering
University of California, San Diego(加利福尼亚大学圣迭戈分校);University of Antwerp(安特卫普大学)
提出SpecHD,一种基于FPGA和超维计算的质谱聚类框架,通过近存储预处理和并行计算,在5分钟内完成大规模数据聚类,能效提升超31倍,加速6-54倍。
2023-11-20 cs.AR cs.DC cs.LG
Subspace Clustering via Thresholding and Spectral Clustering
ETH Zurich(苏黎世联邦理工学院)
我们考虑的问题,聚类一组高维数据点到低维线性子空间的集合。子空间的数量、维度和方向都是未知的。我们提出了一个简单的和低复杂度的聚类算法的基础上阈值的数据点之间的相关性,其次是谱聚类。概率性能分析表明,该算法成功,即使当子空间相交时,当子空间的维度在环境维度中线性缩放(最多为对数因子)时。此外,我们证明了该算法也成功的数据点,受到擦除的擦除缩放(最多的对数因子)的数量在环境维度的线性。最后,我们提出了一个简单的方案,可证明检测离群值。
2013-03-15 cs.IT cs.LG math.IT
A Unified Framework for Structure-Aware Clustering and Heterogeneous Causal Graph Learning
Department of Industrial and Systems Engineering, University of Florida(佛罗里达大学工业与系统工程系);Department of Biostatistics, MD Anderson Cancer Center(MD安德森癌症中心生物统计学系)
本文提出了一种基于有向无环图的依赖聚类方法,通过交替方向乘子法解决结构异质性问题,实现对子群体依赖结构的鲁棒发现。
2026-05-19 cs.LG stat.ME stat.ML
Improving Emotion Recognition Accuracy with Personalized Clustering
Universidad Carlos III de Madrid (UC3M)(马德里卡洛斯三世大学);Universidad de Alcalá (UAH)(阿尔卡拉大学);École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院)
针对通用情绪识别模型无法适配个体情绪反应差异、难以满足人员保护类多用户场景需求的问题,本研究提出基于个性化聚类的定制化模型构建方法,实现了准确率与F1分数的提升及结果波动性的降低。
2024-09-23 cs.AI cs.HC cs.LG