Hierarchical Clustering of Networks via Hierarchical Distance Matrices
Southwest Minzu University（西南民族大学）；North Carolina State University（北卡罗来纳州立大学）；McGill University（麦吉尔大学）；The University of Maryland（马里兰大学）
该研究提出NHC-TST方法，通过层次距离矩阵框架实现网络群体的自适应层次聚类，在模拟和全球迁移数据集上均展现出良好的聚类与层次关系恢复能力。
2026-08-03 stat.ME
Hierarchical clustering of mixed-type data based on barycentric coding
混合类型数据集的聚类可能是一项特别具有挑战性的任务，因为它需要考虑具有不同测量水平的变量之间的关联，即，标称、序数和/或间隔。在某些情况下，层次聚类被认为是一种合适的方法，因为它对数据做了很少的假设，并且它的解决方案可以很容易地可视化。由于大多数层次聚类方法假设变量是在相同的尺度上测量的，因此聚类混合类型数据的一个简单策略是在聚类之前对变量进行同质化。这意味着要么将连续变量重新编码为分类变量，要么反之亦然。然而，连续变量的典型离散化意味着信息的丢失。在这项工作中，凝聚层次聚类方法的混合类型的数据，它依赖于一个重心编码的连续变量。所提出的方法最大限度地减少了信息损失，是兼容的对应分析的框架。该方法的实用性证明了真实和模拟数据。
2022-04-20 stat.ME
Improved initialisation of model-based clustering using Gaussian hierarchical partitions
在基于模型的聚类中，期望最大化算法的初始化通常是至关重要的。参数空间中的不同起始点常常导致似然函数的不同局部极大值，从而导致不同的聚类划分。在文献中可用的几种方法中，基于模型的凝聚层次聚类用于在流行的MCLUST R包中提供初始分区。这种选择在计算上是方便的，并且通常会产生良好的聚类分区。然而，在某些情况下，不良的初始划分可能导致期望最大化算法收敛到似然函数的局部最大值。我们提出了几个简单而快速的改进数据转换的基础上，并说明他们通过数据的例子。
2015-07-25 stat.ME
Statistical Significance for Hierarchical Clustering
聚类分析已被证明是一个宝贵的工具，探索和无监督的高维数据集的分析。在聚类方法中，分层方法在基因组学和其他领域享有相当大的普及，因为它们能够同时发现多层聚类结构。聚类分析中一个关键且具有挑战性的问题是，所识别的聚类是否代表重要的潜在结构，或者是自然采样变化的伪影。已经提出了一些方法来解决这个问题的上下文中的层次聚类，其中的问题是进一步复杂的自然树结构的分区，以及所需的测试来解析嵌套集群的层的多样性。在本文中，我们提出了一个基于蒙特卡罗的方法来测试统计显着性的层次聚类，解决了这些问题。该方法被实现为一个顺序的测试程序，保证控制的家庭明智的错误率。我们的方法提供了理论上的理由，并通过几个模拟研究和应用程序的两个癌症基因表达数据集说明了它的权力，以检测真正的聚类结构。
2014-11-19 stat.ME
Hierarchical Clustering With Confidence
University of Michigan（密歇根大学）；University of Southern California（南加州大学）
本文提出一种随机化层次聚类方法，通过在每个聚类节点构造有效p值，用于检验贪婪合并的证据，提高了聚类稳定性评估的可靠性。
2026-03-14 math.ST stat.ME stat.ML
Functional Post-Clustering Selective Inference with Applications to EHR Data Analysis
University of Pennsylvania（宾夕法尼亚大学）；Vanderbilt University（范德堡大学）；Duke University（杜克大学）
本文针对聚类后数据的选择偏差问题，提出适用于纵向数据的选择性推断方法，经模拟及AKI的EHR数据验证可调整偏差、控制错误率，具应用优势。
2026-08-18 stat.AP stat.CO stat.ME
Selective inference after convex clustering with $\ell_1$ penalization
本文针对带 $\ell_1$ 惩罚的凸聚类提出基于多面体条件高斯向量的选择性推断方法，给出一维及多维情形下具有统计保证的检验程序，并实现于 R 包 poclin。
2025-11-09 math.ST stat.ME stat.TH
Selective Inference for Clustering Under Unknown Covariance
Johns Hopkins University（约翰斯·霍普金斯大学）；University of Waterloo（滑铁卢大学）
针对未知协方差下聚类后均值检验的一类错误率膨胀问题，提出无需估计协方差矩阵的选择性检验，可高效计算并在模拟及真实数据集上验证了其有效性。
2026-10-14 cs.LG stat.AP stat.ME
U-statistical inference for hierarchical clustering
聚类方法在高维数据的模式识别中有着重要的应用价值。然而，量化聚类中的不确定性是一个具有挑战性的问题，特别是在处理高维低样本量（HDLSS）数据时。我们在这里开发了一个U-统计为基础的聚类方法，评估聚类的统计意义，是专门针对HDLSS的情况。这些非参数方法依赖于对数据的非常少的假设，因此可以应用于欧几里德距离捕获相关特征的广泛数据集。我们提出了两个重要的聚类算法，层次化的方法和非嵌套的版本。为了做到这一点，我们首先提出了一个相关的U-统计量的扩展，并发展其渐近理论。我们的方法进行了测试，通过广泛的模拟，发现比竞争对手的替代品更强大。它们在从遗传学到图像识别问题的两个应用中进一步展示。
2018-05-30 stat.ME
Dissimilarity functions for rank-invariant hierarchical clustering of continuous variables
提出了连续随机向量相异度的一个理论框架，并研究了它的主要性质。所提出的相异度分配最小值的一对随机向量是共单调的。研究了这种相异性的各种性质，特别注意那些倾向于层次凝聚方法，如归约。一些见解提供了使用这样的措施在聚类算法和模拟研究。实际案例研究说明了整个方法的主要特点。
2021-02-03 stat.ME
Divisive Hierarchical Clustering of Variables Identified by Singular Vectors
提出一种由奇异向量识别变量的分裂式层次聚类方法，用块对角矩阵近似相似性矩阵，将候选划分降至至多 p(p-1)，并保证超度量距离与树状图可解释性。
2025-10-05 stat.ME
Towards an Axiomatic Approach to Hierarchical Clustering of Measures
Institute for Stochastics and Applications（随机与应用研究所）；University of Stuttgart（斯图加特大学）
我们提出了一些公理的概率测度的层次聚类，并调查其后果。其基本思想是让用户为一些基本的措施规定聚类。这是在不需要任何度量、相似性或不相似性的概念的情况下完成的。然后，我们的主要结果表明，对于每个合适的选择用户定义的聚类的基本措施，我们得到一个独特的概念，满足一组加法和连续性公理的分布在一个大的集合上的聚类。我们说明了发达国家的理论，许多例子，包括一些和一些没有密度。
2015-08-15 cs.LG math.ST stat.ME
Cluster Analysis via Random Partition Distributions
层次聚类和k-medoids聚类是基于成对距离的确定性聚类算法。使用这些相同的成对距离，我们提出了一种新的随机聚类方法的基础上随机分区分布。我们称我们的方法CaviarPD，用于通过随机分区分布进行聚类分析。CaviarPD首先从随机分区分布中对聚类进行采样，然后使用算法基于这些样本找到最佳聚类估计，以最小化预期损失。我们通过八个案例研究比较CaviarPD与分层和k-中心点聚类。聚类估计的基础上，我们的方法是有竞争力的层次和k-medoids聚类。它们也不需要主观选择层次聚类所需的联系方法。此外，我们基于分布的过程提供了直观的图形表示来评估集群不确定性。
2021-06-05 stat.ME
Hierarchical variable clustering based on the predictive strength between random vectors
本文提出一种基于变量组间预测强度的无模型、秩不变的层次变量聚类方法，并引入完全非参数估计器，通过模拟和真实数据验证其性能。
2023-12-27 stat.ME
Selective inference for multiple pairs of clusters after K-means clustering
本文扩展 K-means 聚类后的成对选择性推断至多对聚类检验，并处理方差未知情形，提出控制第一类错误的方法，理论及实证验证有效。
2024-05-25 stat.ME
An agglomerative hierarchical clustering method by optimizing the average silhouette width
University College London（伦敦大学学院）
提出了一种基于平均轮廓宽度（ASW）指标优化的关联度量的凝聚层次聚类（AHC）框架和算法HOSil。为了实现以下三个目标，对各种数据结构的聚类方法和估计指标进行了认真的研究：a）聚类质量，b）聚类恢复，c）聚类数估计。与k-means，PAM，单一，完整，平均，Ward，McQuitty，谱，基于模型和几种估计方法相比，HOSil在一系列人工和真实世界的数据结构中表现出更好的聚类质量。它可以识别各种形状的簇，包括球形的，细长的，相对小尺寸的簇，来自不同分布的簇，包括均匀的，t，伽马等。HOSil已显示出良好的回收率，用于正确确定簇的数目。对于某些数据结构，只有HOSil能够识别正确的簇数。
2019-09-26 cs.LG stat.ME
Predictive Hierarchical Clustering: Learning clusters of CPT codes for improving surgical outcomes
我们开发了一种新的算法，预测层次聚类（PHC），凝聚层次聚类的当前程序术语（CPT）代码。我们的预测层次聚类旨在对数据中发现的子组进行聚类，而不是对单个观察进行聚类，以便发现的聚类导致分类模型的最佳性能。因此，合并是基于贝叶斯假设检验来选择的，贝叶斯假设检验选择导致最佳模型拟合的子组配对，如通过预测似然性所测量的。我们在合并聚类的概率上放置一个Dirichlet先验，允许我们调整聚类的大小和稀疏性。其动机是使用ACS NSQIP（美国外科医师学会国家手术质量改进计划）的数据预测患者特定的手术结果。手术结局的一个重要预测因素是CPT代码所描述的实际手术操作。我们使用PHC将CPT代码（表示为亚组）聚类在一起，与目前使用的基于临床判断的聚类相比，这种方式使我们能够更好地预测患者特定的结局。
2017-08-01 stat.AP stat.ME
Spatial clustering of array CGH features in combination with hierarchical multiple testing
我们提出了一种新的方法聚类DNA特征使用阵列CGH数据从多个肿瘤样本。我们区分数据崩溃：将具有非常相似数据的连续DNA克隆或探针连接到区域中，来自聚类：基于极大似然原理连接连续的相关区域。基于模型的聚类算法考虑了数据中明显的空间模式。我们通过聚类稳定性得分结合交叉验证来评估聚类结果的随机性。此外，我们认为，聚类真正抓住了空间基因组的依赖性，显示独立区域的巧合聚类是非常不可能的。使用区域和聚类信息，我们将这些与临床变量相关性的检验结合在一个分层的多重检验方法中。这允许解释区域和聚类的重要性，同时控制族级错误率。我们证明，在置换测试和置换不变的集群的上下文中，它是允许执行聚类和测试相同的数据集。我们的程序说明了两个癌症数据集。
2010-12-19 stat.AP stat.ME
A Data-Driven Approach to Estimating the Number of Clusters in Hierarchical Clustering
我们提出了两种新的方法来估计聚类的数量在一个层次聚类框架中，希望创建一个完全自动化的过程，没有人为干预。这些方法完全是数据驱动的，不需要研究人员的输入，因此是完全自动化的。它们很容易实现，而且一点也不需要大量的计算。我们分析了几个模拟数据集和生物基基因表达集的性能，比较我们的方法建立差距统计和肘的方法，并在多集群的情况下优于两者。
2016-08-16 cs.LG q-bio.QM stat.ME
