Almost Tight Approximation Algorithms for Explainable Clustering
Google Research（谷歌研究院）；MIT（麻省理工学院）
最近，由于对人工智能透明度的兴趣越来越大，已经开发了几种可解释的机器学习方法，同时实现了人类的准确性和可解释性。本文研究了最近由Dasgupta等人提出的一个可解释聚类的框架。\cite{dasgupta2020explainable}。具体来说，我们专注于$k$-手段和$k$-中位数的问题，并提供几乎紧的上限和下限。首先，我们给出了一个可解释的$k$-中值的$O(\log k \log \log k)$-近似算法，改进了已知的$O(k)$~\cite{dasgupta2020explainable}算法，并且几乎匹配已知的$Ω(\log k)$下界~\cite{dasgupta2020explainable}.此外，在低维空间$d \ll \log k$，我们表明，我们的算法也提供了一个$O(d \log^2 d)$近似解可解释的$k$中位数。这改进了低维的$O(d \log k)$的最佳已知界~\cite{laber2021explainable}，并且对于常维空间是常数。为了补充这一点，我们显示了一个几乎匹配的$Ω(d)$下限。接下来，我们研究的$k$-手段问题，在这种情况下，并提供了一个$O(k \log k)$-近似算法可解释的$k$-手段，改善了Dasgupta等人的$O(k^2)$界和$O(d k \log k)$界的\cite{laber2021explainabl…
2021-07-15 cs.DS cs.LG
Dynamic Algorithm for Explainable k-medians Clustering under lp Norm
Northwestern（西北大学）；TTIC（泰特研究所）
本文提出了一种动态算法，用于在lp范数下实现可解释的k-均值聚类，改进了现有算法的性能并适用于大规模数据集。
2025-12-01 cs.DS cs.LG
GPT-HTree: A Decision Tree Framework Integrating Hierarchical Clustering and Large Language Models for Explainable Classification
University of Oxford（牛津大学）；Vela Research（维拉研究所）
GPT-HTree结合层次聚类、决策树和大语言模型，通过分段、重采样和定制路径实现可解释分类，兼顾准确性与可读性。
2025-01-23 cs.LG
Explainable Clustering of Mixture Models
Technical University of Munich（慕尼黑技术大学）
本文针对混合模型的可解释聚类问题，提出利用数据分布信息的算法，给出与数据相关的可解释性代价界，并将理论保证扩展到核聚类，完善了最坏情况分析。
2026-09-07 cs.LG
Fast and explainable clustering based on sorting
The University of Manchester（曼彻斯特大学）
本文提出了一种名为CLASSIX的快速且可解释的聚类方法，通过排序数据的贪婪聚合与组合并两个阶段完成聚类，具有近线性时间复杂度，性能媲美最先进算法，并能生成直观解释。
2024-02-15 cs.DS cs.LG stat.CO
User Profiles of Sleep Disorder Sufferers: Towards Explainable Clustering and Differential Variable Analysis
Université Lumière Lyon 2（里昂第二大学）；Université Sorbonne Paris Nord（索邦巴黎北大学）；CHU de Bordeaux（波尔多大学医院）
本文提出结合可解释人工智能的聚类方法，对睡眠障碍患者进行画像分组并识别关键病理因素，真实匿名数据实验验证了其有效性。
2025-10-13 cs.LG
ESMC: MLLM-Based Embedding Selection for Explainable Multiple Clustering
ESMC利用多模态大语言模型实现用户驱动的可解释多聚类，通过嵌入选择和伪标签学习提升聚类准确性。
2025-11-30 cs.LG
Explainable Graph Spectral Clustering For GloVe-like Text Embeddings
Institute of Computer Science of Polish Academy of Sciences（波兰科学院计算机科学研究所）
本文提出了一种针对GloVe-like文本嵌入的可解释图谱聚类方法，旨在提升文本聚类结果的可解释性。
2025-12-22 cs.AI cs.LG
Contrastive Explainable Clustering with Differential Privacy
University of Virginia（弗吉尼亚大学）；Biocomplexity Institute and Initiative（生物复杂性研究所）；Bar-Ilan University（巴伊兰大学）
本文提出将对比解释与差分隐私结合用于k-median和k-means聚类，证明差分隐私解释能达到与非隐私解释基本相同的效用界限，在保护隐私的同时提供个性化且不显著损害聚类效用的解释。
2025-06-01 cs.CR cs.LG
Impossibility of Depth Reduction in Explainable Clustering
Rutgers University（罗格斯大学）
该研究证明了在可解释聚类中，减少决策树深度会导致k-均值和k-中位数成本的无界损失，且扩展至k-中心目标。
2026-03-02 cs.CC cs.CG cs.DS
Explainable Clustering via Exemplars: Complexity and Efficient Approximation Algorithms
Biocomplexity Institute, University of Virginia（弗吉尼亚大学生物复杂性研究所）；University at Albany – State University of New York（纽约州立大学奥尔巴尼分校）；University of California Davis（加州大学戴维斯分校）；University of Lyon（里昂大学）；Joint AI Center (JAIC)（联合人工智能中心（JAIC））
可解释人工智能（XAI）是一个重要的发展领域，但对于聚类仍然相对研究不足。我们提出了一个可解释的设计聚类方法，不仅发现集群，但也范例来解释每个集群。心理学中概念定义的范例学派支持使用范例进行理解。我们表明，找到一小组样本来解释即使是单个集群也在计算上是难以解决的;因此，整个问题具有挑战性。我们开发了一个近似算法，提供可证明的性能保证方面的聚类质量以及所使用的样本的数量。这个基本算法解释了每个聚类中的所有实例，而另一个近似算法使用有限数量的样本以允许更简单的解释，并可证明地覆盖了所有实例的大部分。实验结果表明，我们的工作是有用的领域，涉及难以理解的图像和文本的深度嵌入。
2022-09-20 cs.AI cs.LG
Explainable $k$-Means and $k$-Medians Clustering
University of California San Diego（加利福尼亚大学圣地亚哥分校）；Tel Aviv University（特拉维夫大学）
聚类是几何数据无监督学习的一种流行形式。不幸的是，许多聚类算法导致难以解释的聚类分配，部分原因是它们以复杂的方式依赖于数据的所有特征。为了提高可解释性，我们考虑使用一个小的决策树的数据集划分成集群，使集群可以在一个简单的方式来描述。我们研究这个问题，从理论的角度来看，衡量集群质量的$k$ -手段和$k$ -中位数的目标：必须存在一个树引起的聚类的成本是最好的无约束聚类，如果是这样，它是如何被发现的？在负面的结果，我们表明，第一，流行的自上而下的决策树算法可能会导致聚类与任意大的成本，第二，任何树引起的聚类必须在一般情况下产生一个$Ω(\log k)$近似因子相比，最佳聚类。在积极的一面，我们设计了一个有效的算法，使用树与$k$叶产生可解释的集群。对于两个平均值/中位数，我们表明，一个单一的阈值切割足以实现一个常数因子近似，我们给出了几乎匹配的下限。对于一般的$k \geq 2$，我们的算法是一个$O(k)$近似的最佳$k$ -中位数和$O(k^2)$近似的最佳$k$ -手段。在我们的工作之前，没有已知的算法具有独立于维度和输入大小的可证明保证。
2020-09-22 cs.CG cs.DS cs.LG
Massively-Parallel Heat Map Sorting and Applications To Explainable Clustering
Sharif University of Technology（谢里夫理工大学）
本文提出了热图排序问题以在保持簇连通性的前提下重排与合并点及维度，证明了其NP难性，并给出了大规模并行计算模型下的常数轮次固定参数算法及NP难特例的近似算法，实证表明其优于k-means和DBSCAN。
2023-09-14 cs.DC cs.DS cs.LG
SPINEX-Clustering: Similarity-based Predictions with Explainable Neighbors Exploration for Clustering Problems
Clemson University（克莱姆森大学）；University of Manitoba（曼尼托巴大学）
本研究提出新型聚类算法SPINEX-Clustering，利用子空间高阶交互实现聚类，经51个多类型数据集基准测试，性能跻身前5且复杂度适中，兼具可解释性。
2024-07-09 cs.LG stat.ML
Fast and explainable clustering in the Manhattan and Tanimoto distance
Department of Mathematics, University of Manchester, United Kingdom（曼彻斯特大学数学系）
CLASSIX算法在曼哈顿和陶林顿距离下实现快速且可解释的聚类，显著提升速度并产生高质量聚类。
2026-01-13 cs.LG
Metric Embedding Initialization-Based Differentially Private and Explainable Graph Clustering
Graduate School of Arts and Sciences（艺术与科学研究生院）；Columbia University, New York, USA（哥伦比亚大学）；School of Artificial Intelligence（人工智能学院）；Hebei Institute of Communications, Shijiazhuang, PR China（河北通信学院）
本文提出一种基于度量嵌入初始化的差分隐私可解释图聚类方法，通过SDP优化与HST初始化结合k-median聚类，在严格保护隐私的同时提升聚类性能并提供解释。
2025-09-07 cs.LG
Explainable Spatial Clustering: Leveraging Spatial Data in Radiation Oncology
University of Illinois at Chicago（伊利诺伊大学芝加哥分校）；University of Iowa（爱荷华大学）；University of Texas（得克萨斯大学）
放射治疗中数据汇集的进步为应用数据采掘和机器学习技术促进新的数据驱动见解带来了大量机会。鉴于这些进步，支持机器学习专家和临床医生之间的协作对于促进这些模型的更好开发和采用非常重要。虽然许多医疗用例依赖于空间数据，其中理解和可视化数据的底层结构是很重要的，但临床受众对空间聚类结果的可解释性知之甚少。在这项工作中，我们反映了设计的可视化解释新的方法来聚类复杂的解剖数据从头部和颈部癌症患者。这些可视化是在与放射肿瘤学家和统计学家的多年合作期间，通过参与式设计为临床受众开发的。我们将这种合作提炼成一组经验教训，为临床用户创建可视化和可解释的空间聚类。
2020-10-20 cs.HC cs.LG
Near-Optimal Explainable $k$-Means for All Dimensions
Stanford University（斯坦福大学）
许多聚类算法由某些成本函数指导，例如广泛使用的$k$ -均值成本。这些算法将数据点划分为具有通常复杂边界的聚类，从而在解释聚类决策时造成困难。在最近的一项工作中，Dasgupta，Frost，Moshkovitz和Rashtchian（ICML 2020）介绍了可解释的聚类，其中聚类边界是轴平行超平面，并且通过将决策树应用于数据来获得聚类。这里的核心问题是：可解释性约束使成本函数的值增加了多少？给定$d$维数据点，我们展示了一个有效的算法，找到一个可解释的聚类，其$k$ -平均成本是最多$k^{1 - 2/d}\,\mathrm{poly}(d\log k)$倍的最小成本可实现的聚类没有可解释性约束，假设$k,d\ge 2$。取该界限和Makarychev-Shan（ICML 2021）、Gamlath-Jia-Polak-Svensson（2021）或Esfandiari-Mirrokni-Narayanan（2021）独立工作中的$k\,\mathrm{polylog} (k)$界限的最小值，我们得到了$k^{1 - 2/d}\,\mathrm{polylog}(k)$的改进界限，我们表明该界限对于$k,d\ge 2$的每个选择都是最佳的，直到$k$中的多对数因子。特别是对于$d = 2$，我们显示了一个$O(\log k\log\log k)$界，比Laber和Murtinh…
2021-11-04 cs.CG cs.DS cs.LG
Shallow decision trees for explainable $k$-means clustering
PUC-Rio（里约热内卢天主教大学）
最近的一些作品采用决策树的建设，旨在最大限度地减少$k$ -手段成本函数的可解释的分区。然而，这些工作在很大程度上忽略了与结果树中叶子的深度相关的度量，考虑到决策树的可解释性如何取决于这些深度，这可能是令人惊讶的。为了填补文献中的这一空白，我们提出了一个有效的算法，考虑到这些指标。在16个数据集上的实验中，我们的算法比\cite{dasgupta2020explainable}、\cite{frost2020exkmc}、\cite{laber2021price}和\cite{DBLP:conf/icml/MakarychevS21}中提出的决策树聚类算法产生更好的结果，通常以相当浅的树实现更低或相等的成本。我们还表明，通过一个简单的适应现有的技术，建立可解释的分区诱导二叉树的$k$ -意味着成本函数的问题不承认$(1+ε)$ -近似多项式时间，除非$P=NP$，这证明了近似算法和/或prostitics的追求。
2022-08-26 cs.LG
ExClus: Explainable Clustering on Low-dimensional Data Representations
Ghent University（根特大学）
模糊性约简和聚类技术经常被用于分析复杂的数据集，但它们的结果往往不容易解释。我们考虑如何支持用户解释散点图上的明显的聚类结构，其中轴是不能直接解释的，例如当数据被投影到一个二维空间使用降维方法。具体来说，我们提出了一种新的方法来计算一个可解释的聚类自动，其中的解释是在原来的高维空间和聚类是一致的低维投影。它通过使用信息论，在复杂性和所提供的信息量之间提供了可调的平衡。我们研究了这个问题的计算复杂性，并引入限制的搜索空间的解决方案，以达到一个有效的，可调的，贪婪的优化算法。该算法还实现了一个交互式工具，称为ExClus。在几个数据集上的实验突出表明，ExClus可以提供信息丰富且易于理解的模式，并且它们揭示了算法的有效性以及考虑到可调性和可扩展性的改进空间。
2021-11-04 cs.LG
Towards Explainable Deep Clustering for Time Series Data
LMU Munich, Germany（慕尼黑大学）；Munich Center for Machine Learning (MCML), Germany（慕尼黑机器学习中心）
本综述系统梳理时间序列可解释深度聚类方法与跨领域应用，指出其在流式、不规则及隐私数据上的不足，并提出六项未来研究方向。
2025-10-20 cs.LG
Towards Explainable Clustering: A Constrained Declarative based Approach
LIFO；Univ. Orléans（奥尔良大学）；INSA Centre Val de Loire（中央卢瓦尔河谷国立应用科学学院）
提出ECS方法，通过约束声明式聚类集成专家知识，结合覆盖率和区分度实现高质量可解释聚类。
2024-03-26 cs.AI cs.LG
Explainable LiDAR 3D Point Cloud Segmentation and Clustering for Detecting Airplane-Generated Wind Turbulence
Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；ScaDS.AI, TU Dresden（德累斯顿工业大学ScaDS.AI）；Institute of Atmospheric Physics, German Aerospace Center（德国航空航天中心大气物理研究所）；RWTH Aachen University（亚琛工业大学）
提出一种基于DGCNN和聚类的可解释LiDAR点云分割方法，用于实时检测飞机尾流涡，通过扰动技术提升模型透明度，实验证明其优于四种基线方法。
2025-03-01 cs.CV cs.LG
Explainable Graph Spectral Clustering of Text Documents
Institute of Computer Science, Polish Academy of Sciences（波兰科学院计算机科学研究所）
本文提出一种解释组合拉普拉斯图谱聚类结果的方法，通过展示组合拉普拉斯嵌入、新提出的$K$-嵌入与词向量空间嵌入的近似等价性，在文本内容与聚类结果间建立理论桥梁，并经实验验证了该近似方法的有效性。
2023-08-01 cs.AI cs.IR cs.LG
Shapley-based Explainable AI for Clustering Applications in Fault Diagnosis and Prognosis
University of Michigan（密歇根大学）；Michigan Institute for Data Science（密歇根数据科学研究所）
本文提出一种基于Shapley值且兼容半监督学习的可解释聚类框架，在半导体热图和PHM基准数据集上验证，其聚类质量显著优于无监督方法，并能用高精度决策规则有效刻画设备故障聚类。
2023-03-25 cs.LG cs.SY eess.SP
Explainable Evidential Clustering
Euromov Digital Health in Motion, Univ. Montpellier, IMT Mines Alès, Montpellier, France（欧罗莫夫数字健康运动、蒙彼利埃大学、IMT矿山阿勒斯学院，法国蒙彼利埃）；Euromov Digital Health in Motion, Univ. Montpellier, IMT Mines Alès, Alès, France（欧罗莫夫数字健康运动、蒙彼利埃大学、IMT矿山阿勒斯学院，法国阿勒斯）；LIRMM, Univ. Montpellier, CNRS, Montpellier, France（LIRMM、蒙彼利埃大学、国家科学研究中心，法国蒙彼利埃）；CHU, Univ. Montpellier, Euromov DHM, Montpellier, France（CHU、蒙彼利埃大学、欧罗莫夫数字健康运动，法国蒙彼利埃）
本文针对证据聚类结果缺乏解释的问题，提出基于代表性的决策树溯因解释方法，并引入效用函数与IEMM算法，在合成及真实数据上实现高达93%的满意解释率。
2025-08-06 cs.LG
Clustering of Disease Trajectories with Explainable Machine Learning: A Case Study on Postoperative Delirium Phenotypes
University of Zürich（苏黎世大学）；ETH Zürich（苏黎世联邦理工学院）；University Hospital Zürich（苏黎世大学医院）
本文提出结合监督学习风险预测与无监督聚类，并在SHAP特征重要性空间中聚类以识别术后谵妄的潜在表型，通过合成数据和真实老年手术患者数据验证了该方法在揭示复杂疾病临床相关亚型方面的有效性。
2024-05-06 cs.LG
Explainable cluster analysis: a bagging approach
本文提出一种基于袋外的聚类框架，通过特征丢弃生成特征重要性评分，提升小样本和噪声环境下的聚类稳定性与鲁棒性。
2026-03-20 cs.LG stat.ML
Accident-Driven Congestion Prediction and Simulation: An Explainable Framework Using Advanced Clustering and Bayesian Networks
Aschaffenburg University of Applied Sciences（阿施法亨堡应用科学大学）；Centre Tecnològic de Telecomunicacions de Catalunya (CTTC)（加泰罗尼亚电信技术中心（CTTC））
针对事故引发的城市交通拥堵问题，提出融合AutoML增强DEC聚类与贝叶斯网络的可解释预测框架，经SUMO仿真验证，模型准确率达95.6%，可靠性高。
2025-07-30 cs.AI cs.LG
EXALT: EXplainable ALgorithmic Tools for Optimization Problems
University of Warsaw（华沙大学）；Ideas-NCBR；Lodz University of Technology（罗兹工业大学）
本文提出EXALT框架，从分配问题等优化问题出发，通过替代方案生成、输入扰动、决策树和综合报告四种方法构建可解释算法工具，以提升算法解决方案的透明性与可信度。
2025-02-28 cs.LG
Explainable Deep Behavioral Sequence Clustering for Transaction Fraud Detection
eBay China（eBay中国）；eBay USA（eBay美国）
在电子商务行业中，用户行为序列数据已被广泛应用于搜索和销售等许多业务部门，以改善其产品。然而，它很少用于金融服务，这不仅是因为它的3V特性-即数量，速度和多样性-而且还因为它的非结构化性质。在本文中，我们提出了一种基于金融服务场景深度学习的聚类行为数据表示方法（FinDeepBehaviorCluster）来检测欺诈交易。为了利用行为序列数据，我们将点击流数据视为事件序列，使用基于时间注意力的Bi-LSTM以无监督的方式学习序列嵌入，并将它们与风险专家生成的直观特征相结合，形成混合特征表示。我们还提出了一种GPU驱动的HDBSCAN（pHDBSCAN）算法，该算法是基于FAISS项目对原有HDBSCAN算法进行的工程优化，使得在几分钟内就可以对数亿笔交易进行聚类。该算法的计算效率比原算法提高了500倍，使闪光欺诈模式检测成为可能。我们的实验结果表明，提出的FinDeepBehaviorCluster框架是能够捕捉错过的欺诈交易具有相当大的商业价值。此外，该算法还采用规则提取方法，利用直觉特征从风险聚类中提取模式，为案件调查提供风险聚类描述，为实时欺诈检测提供未知风险模式挖掘。综上所述，FinDeepBehaviorCluster作为现有实时欺诈检测引擎的补充风险管理策略，可以进一步提升我们的欺诈检测和主动风险防御能力。
2021-01-12 cs.LG
Explaining Kernel Clustering via Decision Trees
Technical University of Munich（慕尼黑工业大学）；Amazon Research（亚马逊研究院）
本文研究可解释核聚类，提出用决策树逼近核k-means诱导的划分，并通过合适的特征选择在保持可解释性的同时不牺牲逼近保证。
2024-02-15 cs.LG
A Fuzzy Logic-Based Framework for Explainable Machine Learning in Big Data Analytics
Independent Researcher（独立研究者）
该文提出一种融合二型模糊集、粒计算与聚类的框架，用于大数据分析中的可解释机器学习，在UCI空气质量数据集上提升了可解释性、公平性与效率。
2025-09-29 cs.LG
Station-to-User Transfer Learning: Towards Explainable User Clustering Through Latent Trip Signatures Using Tidal-Regularized Non-Negative Matrix Factorization
George Mason University（乔治梅森大学）
城市地区为我们提供了一个可用数据的宝库，几乎涵盖了人口生活的各个方面。这项工作的重点是流动性数据，以及它将如何帮助我们提高对城市流动模式的理解。现成的、规模可观的票价卡数据可以捕捉公共交通网络中的行程。然而，这样的数据通常缺乏时间模态，因此推断行程语义、车站功能和用户简档的任务是相当具有挑战性的。由于现有的方法要么集中在车站级或用户级的信号，他们很容易过拟合，并产生不太可信和有见地的结果。为了正确地从行程数据中学习这些特征，我们提出了一个通过潜在表示的集体学习框架，该框架通过从站级信号中学习到的集体模式来增强用户级学习。该框架使用了一种新的，所谓的潮汐正则化非负矩阵分解方法，它采用了领域知识的形式，在通用的非负矩阵分解的时间客流模式。为了评估我们的模型的性能，用户稳定性测试的基础上，经典的兰德指数引入作为基准不同的无监督学习模型的度量。我们提供了一个定性分析的车站功能和用户简档的华盛顿特区地铁，并显示我们的方法如何支持时空城市内的流动性探索。
2020-04-27 cs.LG cs.SI
Is explainable AI a race against model complexity?
Microsoft Research（微软研究院）；University of Cambridge（剑桥大学）
随着模型的规模和复杂性的增长，解释智能系统的行为将变得越来越具有挑战性，也许是难以解决的挑战。我们可能无法期望大脑规模模型做出的每一个预测都得到解释，我们也不能期望解释保持客观或非政治性。我们对这些模型的功能主义理解并不像我们想象的那么有利。模型先于解释，即使在模型和解释都不正确的情况下也是有用的。可解释性可能永远不会赢得与复杂性的竞争，但这并不像它看起来那么成问题。
2022-05-17 cs.AI cs.HC cs.LG
Explainable Prediction of Text Complexity: The Missing Preliminaries for Text Simplification
University of Michigan（密歇根大学）
文本简化降低了专业内容的语言复杂性，以实现可访问性。端到端的神经网络模型已经被广泛采用来直接生成输入文本的简化版本，通常用作黑盒。我们表明，文本简化可以分解成一个紧凑的任务管道，以确保过程的透明度和可解释性。这个流程中的前两个步骤经常被忽略：1）预测给定的文本是否需要简化，2）如果需要，识别文本的复杂部分。这两个任务可以使用词汇或深度学习方法单独解决，也可以联合解决。简单地应用可解释的复杂度预测作为初步步骤，最先进的黑盒简化模型的样本外文本简化性能可以大幅提高。
2021-07-07 cs.AI cs.CL cs.LG
Near-optimal Algorithms for Explainable k-Medians and k-Means
Northwsestern University（西北大学）
我们考虑了Dasgupta，Frost，Moshkovitz，and Rashtchian~（ICML 2020）提出的可解释的$k$ -中位数和$k$ -均值问题.在这个问题中，我们的目标是找到一个阈值决策树，该决策树将数据划分为$k$簇，并最小化$k$ -中位数或$k$ -均值目标。所获得的聚类很容易解释，因为阈值树的每个决策节点将基于单个特征的数据分成两组。我们提出了一个新的算法，这是$\tilde O(\log k)$竞争与$k$ -中位数与$\ell_1$规范和$\tilde O(k)$竞争与$k$ -手段。这是对Dasgupta et al（2020）先前$O(k)$和$O(k^2)$保证的改进。我们还提供了一个新的算法，这是$O(\log^{3/2} k)$竞争的$k$ -中位数与$\ell_2$规范。我们的第一个算法是接近最优的：Dasgupta等人（2020）证明了$k$ -中位数的$Ω(\log k)$的下界;在这项工作中，我们证明了$k$ -均值的$\tildeΩ(k)$的下界。我们还提供了一个下限的$Ω(\log k)$的$k$ -中位数与$\ell_2$规范。
2021-08-02 cs.DS cs.LG
The Rlign Algorithm for Enhanced Electrocardiogram Analysis through R-Peak Alignment for Explainable Classification and Clustering
IMI Medical Systems GmbH（IMI医疗系统 GmbH）；University of Freiburg（弗赖堡大学）
本文提出Rlign算法，通过R峰对齐重构心电图信号，提升分类、聚类和可解释性，优于传统方法和CNN。
2024-08-09 cs.LG eess.SP
CODEX: A Cluster-Based Method for Explainable Reinforcement Learning
Assured Information Security, Inc.（安信信息安全公司）；Georgia Tech Research Institute（佐治亚理工学院研究院）；Air Force Research Laboratory（美国空军研究实验室）
针对强化学习智能体动作难以解释、难以获得用户信任的问题，本文提出CODEX方法，用语义聚类总结状态-动作空间中的智能体行为，并在MiniGrid和StarCraft II中验证其可保留时间、实体及关键事件信息。
2023-12-07 cs.LG
Tight Kernel Query Complexity of Kernel Ridge Regression and Kernel $k$-means Clustering
Carnegie Mellon University（卡内基梅隆大学）
我们提出了严格的下界的核评估所需的数量近似解决内核岭回归（KRR）和内核$k$ -均值聚类（KKMC）的$n$输入点。对于KRR，我们的相对误差逼近目标函数的最小值的界是$Ω(nd_{\mathrm{eff}}^λ/\varepsilon)$，其中$d_{\mathrm{eff}}^λ$是有效的统计维数，它紧到$\log(d_{\mathrm{eff}}^λ/\varepsilon)$因子。对于KKMC，我们找到一个$k$ -聚类实现目标函数的相对误差近似的界限是$Ω(nk/\varepsilon)$，这是紧到一个$\log(k/\varepsilon)$因素。我们的KRR结果解决了El Alaoui和Mahoney的一个开放问题的变体，即有效统计维度是否是抽样复杂性的下限。此外，对于重要的实际情况下，当输入是高斯的混合，我们提供了一个KKMC算法绕过上述下限。
2019-05-15 cs.DS cs.LG
Interpretable Clustering: A Survey
College of Information Science and Engineering, Henan University of Technology（河南理工大学信息科学与工程学院）；School of Software, Dalian University of Technology（大连理工大学软件学院）；Xinchang Power Supply Company, State Grid Corporation of China（国网浙江绍兴供电公司）
本文综述了可解释聚类算法的现状，探讨了透明聚类结果的重要性，帮助研究人员选择合适的方法，并推动高效透明的聚类算法发展。
2026-06-27 cs.AI cs.LG
K-sets+: a Linear-time Clustering Algorithm for Data Points with a Sparse Similarity Measure
Institute of Communications Engineering（通信工程研究所）；National Tsing Hua University（国立清华大学）
在本文中，我们首先提出了一个新的迭代算法，称为K-sets+算法的聚类数据点在半度量空间，其中的距离测量不一定满足三角不等式。我们表明，K-集+算法收敛在一个有限的迭代次数，它保留了相同的性能保证的K-集算法聚类数据点在度量空间。然后，我们扩展的K-集+算法的适用性，从数据点在半度量空间的数据点，只有一个对称的相似性度量。这样的扩展导致计算复杂性的极大降低。特别地，对于一个n × n的相似矩阵，矩阵中有m个非零元素，K-sets+算法的计算复杂性为O（（Kn + m）I），其中I是迭代次数。实现该计算复杂性的内存复杂度为O（Kn + m）。因此，当n * n相似性矩阵稀疏时，计算复杂性和存储器复杂性都是n线性的，即，时间复杂度为O（n）。我们还进行了各种实验，通过使用来自随机块模型的合成数据集和来自WonderNetwork网站的真实网络来显示K-sets+算法的有效性。
2017-05-11 cs.DS cs.LG
Randomized Greedy Algorithms and Composable Coreset for k-Center Clustering with Outliers
University of Science and Technology of China（中国科学技术大学）
本文研究了具有孤立点的{ \em $k$ -中心聚类}问题。该问题在现实世界中有许多重要的应用，但离群值的存在会显著增加计算复杂性。虽然在过去的几十年里，已经开发了许多方法，它仍然是相当具有挑战性的设计质量保证的算法，低复杂度的问题。我们的想法是启发贪婪的方法，冈萨雷斯的算法，这是解决普通的$k$中心聚类问题。基于一些新的观察，我们表明，这种贪婪策略的一个简单的随机版本实际上可以有效地处理离群值。我们进一步表明，这种随机贪婪的方法也产生小coreset的问题，在加倍度量（即使加倍维数是不给），这可以大大降低计算复杂性。此外，与arXiv：1703.01539中提出的部分聚类框架一起，我们证明了我们的coreset方法可以应用于具有低通信复杂性的分布式数据。实验结果表明，我们的算法可以获得接近最优的解决方案，并产生较低的复杂度相比，现有的方法。
2023-01-07 cs.DS cs.LG
Natural Hierarchical Cluster Analysis by Nearest Neighbors with Near-Linear Time Complexity
我们提出了一个基于最近邻的聚类算法，结果在一个自然定义的层次结构的集群。相反，凝聚和分裂的层次聚类算法，我们的方法是不依赖于迭代工作的算法，在这个意义上说，分区的层次聚类纯粹是根据输入数据集定义。我们的方法是一个通用的层次聚类方法，因为它可以实现为自自底向上的或自上而下的版本，这两种结果在相同的聚类。我们表明，对于某些类型的数据集，我们的算法具有接近线性的时间和空间复杂度。
2022-03-15 cs.DS cs.LG stat.ML
Complexity Analysis Approach for Prefabricated Construction Products Using Uncertain Data Clustering
University of Alberta（阿尔伯塔大学）
本文提出了一种不确定的数据聚类方法，定量分析预制构件的复杂性，通过集成的质量性能为基础的措施与相关的工程设计信息。该模型分三步构建：（1）测量装配式建筑产品复杂度（2）通过开发基于Hellinger距离的分布相似性度量对每种类型的产品复杂性进行评分;（3）利用凝聚层次聚类技术将产品聚类为同质复杂性组。最后，以加拿大埃德蒙顿市某工业企业为例，验证了该模型的可行性和适用性。本研究从产品质量性能的角度出发，结合设计信息，对产品复杂性进行了创新性的定义和研究。研究结果为从业者提供了简化的，可解释的和信息丰富的见解，以更好地分析和管理产品的复杂性。除了这种实际的贡献，一种新的层次聚类技术的设计。这种技术能够聚类不确定的数据（即，beta分布）具有较低的计算复杂性，并且具有推广到聚类所有类型的不确定数据的潜力。
2017-12-21 cs.DB cs.LG stat.AP
Fully Explainable Classification Models Using Hyperblocks
Computer Science Department（计算机科学系）；Central Washington University（中央华盛顿大学）
本文提出一套 Hyperblock 简化算法与 k-NN 可解释回退机制，在降低模型复杂度和训练成本的同时保持准确率，并在 WBC 与 MNIST 上验证其可扩展分类能力。
2025-06-08 cs.LG
Mixture Complexity and Its Application to Gradual Clustering Change Detection
The University of Tokyo（东京大学）
在使用有限混合模型的基于模型的聚类中，确定聚类的数量（聚类大小）是一个重大挑战。它曾经等于混合物成分的数量（混合物规模）;然而，在存在重叠或权重偏差的情况下，这可能无效。在这项研究中，我们提出了一个新的概念，称为混合物复杂性（MC）连续测量的集群大小的混合模型。它是从信息论的角度正式定义的，可以看作是一个自然的集群规模考虑重叠和权重偏差的扩展。随后，我们应用MC逐步聚类变化检测的问题。传统上，聚类变化被认为是突然的，由混合物大小或聚类大小的变化引起。同时，我们认为集群的变化是渐进的MC，它的好处是发现的变化更早，区分显着和不显着的变化。我们进一步证明了MC可以根据混合模型的层次结构进行分解，这有助于我们分析子结构的细节。
2020-07-15 cs.LG stat.ML
Clustering with Transitive Distance and K-Means Duality
The Chinese University of Hong Kong（香港中文大学）；Microsoft Research Asia（微软亚洲研究院）
近年来的谱聚类方法是数据聚类中一种非常有效的方法。这些方法需要求解特征值问题，其计算复杂性为$O(n^3)$，其中$n$是数据样本的个数。本文提出了一种基于非特征值问题的聚类方法来处理聚类问题。它的性能与谱聚类算法相当，但它是更有效的计算复杂性$O(n^2)$。我们表明，与传递距离和观察到的属性，称为K-均值对偶，我们的算法可以用来处理复杂的集群形状，多尺度集群和噪声的数据集。此外，在我们的算法中，没有参数，除了集群的数量需要设置。
2007-11-22 cs.LG
Explainable data-driven modeling via mixture of experts: towards effective blending of grey and black-box models
Eindhoven University of Technology（埃因霍温理工大学）
针对第一性原理模型精度不足、机器学习模型可解释性差且难以平衡精度与复杂度的问题，提出基于混合专家的可解释建模框架，融合多类局部模型与先验知识，支持独立训练与多种学习范式，经惩罚突变提升可解释性，实验验证其能生成契合目标的可解释模型组合。
2024-01-30 cs.LG cs.SY eess.SY
k2-means for fast and accurate large scale clustering
ETH Zurich（苏黎世联邦理工学院）；KU Leuven（鲁汶大学）
我们提出了k^2-means，一种新的聚类方法，有效地处理大量的集群，并实现低能量的解决方案。k^2-means建立在标准k-means（Lloyd算法）的基础上，并结合了一种新的策略来加速收敛，具有新的低时间复杂度的分割初始化。该算法通过只考虑k_n个最近聚类和在分配步骤中使用三角不等式界来加速收敛，而分裂初始化则采用沿一个方向的最优2-聚类。我们的k^2-means每次迭代的最坏情况时间复杂度是O（nk_nd+k^2d），其中d是n个数据点的维数，k是聚类的数量，通常n << k << k_n。与k-means算法的O（nkd）复杂度相比，我们的k^2-means算法的复杂度显著降低，但代价是内存复杂度略微增加了O（nk_n+k^2）。在我们广泛的实验中，k^2-means在几个标准数据集和数百个聚类和高维数据的设置上计算准确的聚类时，比标准方法快了几个数量级。此外，所提出的分裂初始化通常会导致聚类能量与标准k-means++初始化所实现的聚类能量相当，同时速度明显更快。
2016-05-30 cs.CV cs.LG
Clustering with Same-Cluster Queries
University of Waterloo（滑铁卢大学）
我们提出了一个框架半监督主动聚类框架（SSAC），学习者被允许与领域专家进行交互，询问两个给定的实例是否属于同一个集群或不。在此框架下，我们研究了聚类的查询和计算复杂性。我们考虑一个设置，专家符合基于中心的聚类与利润的概念。我们证明了在计算复杂性和查询复杂度之间存在权衡;我们证明了对于$k$ -均值聚类的情况（即，当专家符合$k$方法的解决方案时，访问相对较少的这种查询允许对其他NP困难问题的有效解决方案。特别是，我们提供了一个概率多项式时间（BPP）算法，在这种情况下，要求$O\big(k^2\log k + k\log n)$相同的集群查询和运行的时间复杂度$O\big(kn\log n)$（其中$k$是集群的数量和$n$是实例的数量）的集群。该算法成功的数据满足保证金条件下，没有查询的情况下，我们证明了该问题是NP难的概率很高。我们还证明了一个下界的查询数量需要有一个计算效率的聚类算法在这种情况下。
2016-11-22 cs.LG stat.ML
Does Dataset Complexity Matters for Model Explainers?
Federal University of Pará（帕拉联邦大学）；Federal Institute of Pará（帕拉联邦学院）；Montpellier University（蒙彼利埃大学）；Vale Institute of Technology（淡水河谷研究所）
基于可解释的人工智能- XAI的策略已经出现在计算中，以促进对黑箱模型所做预测的更好理解。今天使用的大多数XAI指标解释这些类型的模型，生成旨在解释模型的属性排名，即模型的属性重要性分析。对于哪种XAI指标可产生总体可解释性等级，尚无共识。为此，出现了几个工具提案（Ciu、Dalex、Eli 5、Lofo、Shap和Skater）。本文提出了一种基于与不同问题和集成模型相关的表格数据产生全局可解释性排名的可解释人工智能技术的实验基准。寻求回答诸如“不同措施产生的解释是相同、相似还是不同？以及“数据复杂性如何影响模型的可解释性？“82个计算模型和592个等级的构建结果揭示了可解释性问题的另一面：数据集的复杂性！
2021-11-17 cs.AI cs.LG
Finding the right XAI method -- A Guide for the Evaluation and Ranking of Explainable AI Methods in Climate Science
Technische Universität Berlin（柏林工业大学）；ATB（莱布尼茨农业工程与生物经济研究所）；University of Leipzig（莱比锡大学）；University of Reading（雷丁大学）；BIFOLD – Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所（BIFOLD））；UiT the Arctic University of Norway（挪威北极大学）；University of Potsdam（波茨坦大学）
本文在气候科学背景下引入XAI方法评估，通过分析鲁棒性、忠实性等属性，比较多种XAI方法在不同网络架构上的表现，为气候研究人员选择合适的解释方法提供指南。
2024-03-22 cs.AI cs.LG
Greedy Strategy Works for $k$-Center Clustering with Outliers and Coreset Construction
University of Science and Technology of China（中国科学技术大学）
本文研究了任意度量和欧氏空间中带离群点的$k$ -中心聚类问题。虽然在过去的几十年里，已经开发了许多方法，它仍然是相当具有挑战性的设计质量保证的算法，低复杂度的问题。我们的想法是启发贪婪的方法，冈萨雷斯的算法，解决普通的$k$中心聚类问题。基于一些新的观察，我们表明，这种贪婪的策略实际上可以有效地处理$k$中心聚类离群值，在聚类质量和时间复杂度。我们进一步表明，贪婪的方法产生小coreset的问题，在两倍的度量，从而降低时间复杂度显着。我们的算法很容易在实践中实现。我们在合成和真实数据集上测试了我们的方法。实验结果表明，我们的算法可以获得接近最优的解决方案，并产生较低的运行时间相比，现有的方法。
2019-04-28 cs.CG cs.LG
