TACCO: Task-guided Co-clustering of Clinical Concepts and Patient Visits for Disease Subtyping based on EHR Data
Emory University(埃默里大学)
提出TACCO框架,通过任务引导的自监督超图协同聚类、文本嵌入与对比对齐识别疾病亚型,在MIMIC-III和CRADLE上显著提升临床预测性能。
2024-06-14 cs.LG
A review of systematic selection of clustering algorithms and their evaluation
数据分析在工业价值创造中发挥着不可或缺的作用。在这种情况下,聚类分析能够在很少或没有先验知识的情况下探索给定的数据集,并识别未知的模式。随着(大)数据复杂性在数量、种类和速度方面的增加,这变得更加重要。许多聚类分析工具从早期就已经开发出来,并且各种不同的聚类算法是巨大的。由于选择正确的聚类过程对数据分析的结果至关重要,因此用户需要在从原始数据中提取知识的过程中获得支持。因此,本文的目的在于识别一个系统的选择逻辑聚类算法和相应的验证概念。我们的目标是使潜在的用户选择一个算法,最适合他们的需求和他们的底层数据聚类问题的属性。此外,支持用户选择正确的验证概念来理解聚类结果。在综合文献综述的基础上,本文提出了聚类方法评价和验证概念选择的评价标准。该标准适用于几个常见的算法和算法的选择过程是支持的伪代码为基础的例程,考虑底层数据结构的介绍。
2021-06-24 cs.LG
Discovering Concept Directions from Diffusion-based Counterfactuals via Latent Clustering
German Research Center for Artificial Intelligence GmbH (DFKI)(德国人工智能研究中心)
本文提出CDLC方法,通过潜在聚类提取概念方向,减少存储需求并加速概念发现,适用于高风险领域和多样化数据模态。
2025-11-27 cs.CV cs.LG
Clustering, Coding, and the Concept of Similarity
Rutgers University(罗格斯大学)
该研究提出结合几何与概率模型的聚类编码理论,通过势函数梯度定义依赖概率测度的黎曼度量,以此构建流形坐标系实现数据低维编码。
2018-05-16 cs.LG
Biomedical Document Clustering and Visualization based on the Concepts of Diseases
Purdue School of Engineering and Technology, IUPUI(印第安纳大学与普渡大学印第安纳波利斯联合分校普渡工程与技术学院)
文档聚类是一种文本挖掘技术,用于在数字图书馆或在线语料库中提供更好的文档搜索和浏览。基于现有本体的生物医学文档聚类已经有了很多研究。但是,医学概念的关联和同现并没有很好地表示使用本体。在本研究中,提出了一种疾病概念的向量表示和概念间的相似性度量。他们在语料库的背景下识别最接近的疾病概念。每个文档都使用向量空间模型表示。一个权重计划,提出了考虑本地内容和概念之间的关联。采用自组织映射作为文档聚类算法。SOM的矢量投影和可视化特性使其能够可视化和分析二维的空间上的聚类分布和相互关系。实验结果表明,提出的文档聚类框架产生有意义的集群,并促进可视化的疾病概念的基础上的集群。
2018-10-22 cs.AI cs.CL cs.LG
A Novel Incremental Clustering Technique with Concept Drift Detection
正在从生活的各个方面收集数据。这些数据通常会以块/批的形式到达。传统的静态聚类算法不适用于动态数据集,即,当数据以块/批的流到达时。如果我们在组合数据集上应用传统的聚类技术,那么每次新的一批数据到来时,这个过程可能会很慢而且浪费。此外,由于其不断增加的大小,将组合数据集存储在内存中可能具有挑战性。因此,已经提出了各种增量聚类技术。这些技术需要在新批次到达时有效地更新当前聚类结果,以使当前聚类结果/解决方案与最新数据相适应。这些技术还需要在新批次的聚类模式与旧批次显著不同时检测概念漂移的能力。有时,聚类模式可能会在单个批次中暂时漂移,而下一个批次不会出现漂移。因此,增量聚类技术需要能够检测暂时漂移和持续漂移。在本文中,我们提出了一个有效的增量聚类算法称为UIClust。它被设计成集群数据块流,即使存在暂时或持续的概念漂移。我们评估UIClust的性能进行比较,它与最近发表的,高品质的增量聚类算法。我们使用真实和合成数据集。我们比较的结果,使用著名的聚类评价标准:熵,平方误差(SSE)和执行时间。我们的结果表明,UIClust优于现有的技术在我们所有的实验。
2020-03-30 cs.LG stat.ML
Sparse Subspace Clustering for Concept Discovery (SSCCD)
Fraunhofer Heinrich-Hertz-Institute(弗劳恩霍夫海因里希·赫兹研究所);TU Berlin(柏林工业大学);Oldenburg University(奥尔登堡大学)
概念是人类更高层次理解的关键组成部分。近年来,可解释人工智能(XAI)方法取得了巨大的进展,然而,局部归因方法不允许识别跨样本的连贯模型行为,因此错过了这一重要组成部分。在这项工作中,我们研究了基于概念的解释,并提出了一个新的定义概念的低维子空间的隐藏特征层。我们新颖地应用稀疏子空间聚类来发现这些概念子空间。展望未来,我们从概念子空间的本地化输入(概念)地图方面获得见解,展示如何量化概念相关性,最后,评估概念之间的相似性和可转移性。我们经验证明了建议的稀疏子空间聚类概念发现(SSCCD)方法的各种不同的图像分类任务的合理性。这种方法可以更深入地了解实际模型的行为,而这些行为在传统的输入级热图中仍然是隐藏的。
2022-03-11 cs.AI cs.LG stat.ML
Multi-modal Dynamic Proxy Learning for Personalized Multiple Clustering
本文提出 Multi-DProxy 多模态动态代理学习框架,通过可学习文本代理、门控跨模态融合、双约束代理优化和动态候选管理,解决个性化多重聚类中用户兴趣捕捉与语义僵化问题,并在多个基准上取得最优性能。
2025-11-10 cs.LG
Concept Matching: Clustering-based Federated Continual Learning
New Jersey Institute of Technology(新泽西理工学院)
提出基于聚类的联邦持续学习框架概念匹配(CM),通过概念聚类与匹配算法解决灾难性遗忘和客户端干扰,优于现有系统且扩展性好。
2023-11-12 cs.DC cs.LG
Consensus Clustering: An Embedding Perspective, Extension and Beyond
Brandeis University(布兰迪斯大学);Northeastern University(东北大学);IUPUI(印第安纳大学与普渡大学印第安纳波利斯联合分校)
一致性聚类融合了不同的基本分区(即,从传统的聚类方法获得的聚类结果)到一个集成的一个,由于它的鲁棒性和有效的性能,在学术界和工业界引起了越来越多的关注。为了在算法和应用方面使这一领域蓬勃发展,已经进行了大量的研究工作。虽然有一些调查文件总结现有的文献,他们忽视了探讨不同类别之间的潜在联系。因此,在本文中,我们的目标是提供一个嵌入前景来说明共识机制,该机制将分类基本划分转移到其他表示(例如,二进制编码、谱嵌入等)用于聚类目的。为此,我们不仅统一了共识聚类的两个主要类别,而且还在共识聚类和图嵌入之间建立了直观的联系。此外,我们阐述了几个扩展的经典共识聚类从不同的设置和问题。除此之外,我们还演示了如何利用共识聚类来解决其他任务,如约束聚类、领域自适应、特征选择和离群值检测。最后,我们总结了这一调查与未来的工作在解释性,可学习性和理论分析。
2019-05-31 cs.LG stat.ML
Robust Unsupervised Flexible Auto-weighted Local-Coordinate Concept Factorization for Image Clustering
Soochow University(苏州大学);Hefei University of Technology(合肥工业大学);Adobe Research(奥多比研究院);Nanjing University of Information Science and Technology(南京信息工程大学);National University of Singapore(新加坡国立大学)
我们研究了高维数据聚类问题,提出了一种新的和无监督的表示学习模型称为鲁棒灵活的自动加权局部坐标概念分解(RFA-LCF)。RFA-LCF将鲁棒的灵活CF、鲁棒的稀疏局部坐标编码和自适应重构加权学习集成到一个统一的模型中。自适应加权是通过在恢复的干净数据、基础概念和新表示上包括联合流形保持约束来驱动的。具体而言,我们的RFA-LCF使用基于L2,1-范数的灵活残差来编码干净数据及其重建之间的失配,并且还应用鲁棒的自适应稀疏局部坐标编码来使用几个附近的基概念来表示数据,这可以使因子分解更准确和对噪声更鲁棒。在恢复的干净数据空间中进行鲁棒灵活因子分解,以增强表示。RFA-LCF还考虑了以自适应的方式联合保持干净数据空间、基概念空间和新坐标空间的局部流形结构。广泛的比较表明,RFA-LCF可以提供增强的聚类结果。
2019-05-25 cs.CV cs.LG
Understanding Concept Identification as Consistent Data Clustering Across Multiple Feature Spaces
Honda Research Institute Europe(本田欧洲研究院)
将概念识别视为跨特征子集一致的数据聚类,引入互信息度量评估一致性,实验表明其比经典聚类更可解释,适用于工程设计及能源管理决策支持。
2023-11-14 cs.AI cs.LG
Physics-Informed Machine Learning for Transformer Condition Monitoring -- Part I: Basic Concepts, Neural Networks, and Variants
University of the Basque Country (UPV/EHU)(巴斯克大学)
本文提出利用神经网络和强化学习提升变压器状态监测的准确性与可靠性,探讨了CNN在多样化数据下的应用及NN在决策控制中的整合方法。
2025-12-20 cs.LG
Motivic clustering schemes for directed graphs
the Ohio State University(俄亥俄州立大学);UNESP(圣保罗州立大学)
出于网络图案的概念,我们构建了某些聚类方法(函子),这些方法由给定的图案(或代表者)集合参数化。
2020-01-06 cs.LG stat.ML
Flexible Auto-weighted Local-coordinate Concept Factorization: A Robust Framework for Unsupervised Clustering
School of Computer Science and Technology, Soochow University(苏州大学计算机科学与技术学院);Department of Computer Science, University of Georgia(佐治亚大学计算机科学系)
由于概念因子分解(CF)及其变体对噪声的敏感性、对重构误差的严格约束以及预先获得的近似相似性,可能会产生不准确的表示和聚类结果。为了提高表示能力,提出了一种新的无监督鲁棒灵活自动加权局部坐标概念因子分解(RFA-LCF)框架,用于聚类高维数据。RFA-LCF通过干净数据空间恢复、鲁棒稀疏局部坐标编码和自适应加权将鲁棒灵活CF集成到统一模型中。RFA-LCF通过增强CF对噪声和误差的鲁棒性、对重建误差提供灵活的约束以及联合优化局部性来改进表示。对于鲁棒学习,RFA-LCF清楚地学习稀疏投影以恢复底层的干净数据空间,然后在投影的特征空间中执行灵活的CF。RFA-LCF还使用基于L2,1-范数的灵活残差来编码恢复数据与其重建之间的失配,并使用鲁棒的稀疏局部坐标编码来使用几个邻近基概念来表示数据。对于自动加权,RFA-LCF通过最小化干净数据、锚点和坐标上的重建误差,以自适应的方式联合保留基础概念空间和新坐标空间中的流形结构。通过交替地更新局部坐标保持数据、基概念和新坐标,可以潜在地提高表示能力。在公共数据库上的大量实验结果表明,与其他相关方法相比,RFA-LCF提供了最先进的聚类结果。
2019-09-02 cs.CV cs.LG stat.ML
Deep Global Clustering for Hyperspectral Image Segmentation: Concepts, Applications, and Open Challenges
Department of Biomechatronics Engineering(生物机电工程系);National Taiwan University(台湾国立大学)
本文提出深度全局聚类框架,用于高效超光谱图像分割,通过局部块观测学习全局聚类结构,实现快速训练与稳定内存使用,同时在农业监测中展示出无监督疾病检测能力。
2025-12-30 cs.CV cs.LG
Linking Robustness and Generalization: A k* Distribution Analysis of Concept Clustering in Latent Space for Vision Models
Kyushu University(九州大学);IBM Research(IBM研究院)
该研究提出用k*分布直接分析视觉模型潜在空间的概念聚类情况,发现泛化性、鲁棒性提升与概念分布拆分程度降低正相关,为视觉模型潜在空间的解读与对比提供了新方法。
2024-08-17 cs.AI cs.CV cs.LG
SMOClust: Synthetic Minority Oversampling based on Stream Clustering for Evolving Data Streams
Keele University(基尔大学);University of Birmingham(伯明翰大学)
针对数据流中概念漂移与类不平衡的联合挑战,提出基于流聚类的过采样策略SMOClust,利用流聚类压缩信息生成合成少数类样本,实验证明其优于现有方法,尤其在严重不平衡场景下。
2023-08-28 cs.DB cs.LG
Cluster Analysis and Concept Drift Detection in Malware
本文提出基于聚类的方法检测恶意软件中的概念漂移,通过KronoDroid数据集子集分析,利用轮廓系数识别漂移时间点,实验表明基于轮廓系数阈值的漂移感知重训练在分类准确性和效率上均优于传统方法。
2025-02-19 cs.CR cs.LG
Data Stream Clustering: A Review
Middle East Technical University(中东技术大学)
连接设备的数量正在稳步增加,这些设备不断生成数据流。尽管面临许多挑战,但数据流的实时处理引起了人们的兴趣。聚类是最适合实时数据流处理的方法之一,因为它可以应用于较少的先验信息的数据,它不需要标记的实例。然而,数据流聚类在许多方面不同于传统的聚类,它有几个具有挑战性的问题。在这里,我们提供有关数据流的概念和共同特征的信息,如概念漂移,数据流的数据结构,时间窗口模型和离群值检测。本文对近年来的数据流聚类算法进行了综述,并从基本聚类技术、计算复杂性和聚类精度三个方面对它们进行了分析。这些算法的比较,以及仍然开放的问题。我们指出流行的数据流存储库和数据集,流处理工具和平台。最后讨论了数据流聚类中存在的问题。
2020-07-16 cs.AI cs.DB cs.LG
Multiple kernel concept factorization algorithm based on global fusion
Shanxi University(山西大学)
针对无监督场景下概念分解的核函数选择难题,提出GMKCF算法,通过全局线性融合同时学习多个候选核,并经交替迭代求解,在多个真实数据库上取得优于KKM、SC等方法的稳定聚类性能。
2024-10-27 cs.AI cs.LG
Ensemble Clustering for Graphs
Tutte Institute for Mathematics and Computing(塔特数学与计算研究所)
提出了一种基于Louvain算法和一致性聚类概念的集成图聚类算法。我们通过复制最近发表的一项研究来验证我们的方法,该研究比较了人工网络上的图聚类算法,表明ECG优于该研究中的领先算法。我们还说明了如何与ECG获得的合奏可以用来量化社区结构的存在图。
2018-09-14 cs.LG cs.SI stat.ML
Wittgenstein's Family Resemblance Clustering Algorithm
Waterloo, Ontario, Canada(加拿大温哥华)
本文提出基于维特根斯坦家族相似性概念的WFR聚类算法,利用图方法实现无需预设聚类数量的非线性聚类。
2026-01-07 cs.AI cs.LG stat.ML
Clustering Introductory Computer Science Exercises Using Topic Modeling Methods
Universidade Federal do Rio de Janeiro (UFRJ)(里约热内卢联邦大学)
手动确定一组问题中存在的概念是一个具有挑战性且耗时的过程。然而,这个过程是一个重要的步骤,而建模的虚拟学习环境,因为概念和问题之间的映射,使用掌握水平评估和推荐引擎是必需的。我们研究了无监督的语义模型(称为主题建模技术),以协助计算机科学教师在这项任务中,并提出了一种方法来转换计算机科学1教师提供的代码解决方案到有代表性的文本文件,包括代码结构信息。通过应用非负矩阵分解和潜在狄利克雷分配技术,我们提取问题之间的潜在关系,并使用外部数据集验证结果。我们认为,使用14所大学教授的数据学习的概念的可解释性,结果证实了六个语义连贯的集群使用当前的数据集。此外,这六个主题包括测试数据集中存在的主要概念,在归一化逐点互信息度量中达到0.75。该度量与人类评级相关,使得所提出的方法有用,并为大量未注释的代码提供语义。
2021-04-21 cs.CL cs.IR cs.LG
A Group-Theoretic Approach to Computational Abstraction: Symmetry-Driven Hierarchical Clustering
Coordinated Science Laboratory(协调科学实验室);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
摘要抽象在概念学习和知识发现中起着关键作用,本文主要研究计算抽象。特别是,我们研究的性质,抽象通过一组理论的方法,正式将其作为数据驱动的-而不是数据驱动的-层次聚类。因此,所得到的聚类框架是无数据,无特征,无相似性和全局层次--四个关键特征,使其区别于常见的数据聚类模型,如$k$ -手段。除了抽象的理论基础,我们还提出了一个自上而下和自下而上的方法来建立一个实用的抽象生成方法的算法基础。最后,通过理论解释和实际应用,我们说明了我们的抽象框架与统计学的进一步耦合实现了香农的信息格,甚至进一步将学习带入画面。这不仅提供了我们提出的计算抽象的一个用例,而且还为自动概念学习和知识发现的原则和认知方式迈出了第一步。
2019-07-22 cs.IT cs.LG math.IT