Cost-sensitive Hierarchical Clustering for Dynamic Classifier Selection
GE Global Research(通用电气全球研究中心)
我们考虑动态分类器选择(DCS)问题:给定一个分类器集合,我们要根据要分类的特定输入向量选择使用哪个分类器。这个问题是一般算法选择问题的一个特例,在这个问题中,我们有多个不同的算法可以用来处理给定的输入。我们调查,如果开发的一般算法选择命名为成本敏感的层次聚类(CSHC)的方法是适合DCS。我们介绍了一些额外的原始CSHC方法的特殊情况下,选择一个分类算法,并评估其对性能的影响。然后,我们比较了一些国家的最先进的动态分类器选择方法。我们的实验结果表明,我们的修改CSHC算法相比,
2020-12-18 cs.AI cs.LG
Predictive Clustering of Vessel Behavior Based on Hierarchical Trajectory Representation
School of Computer Science and Artificial Intelligence, Wuhan University of Technology(武汉理工大学计算机科学与人工智能学院);College of Computer Science and Electronic Engineering, Hunan University(湖南大学计算机与电子工程学院);School of Navigation, Wuhan University of Technology(武汉理工大学航海学院)
提出PC-HiV方法,利用层次轨迹表示和预测聚类,同时提升船舶行为聚类与演化预测性能,在真实AIS数据上纯度优于现有方法。
2024-03-15 cs.AI cs.LG
Hierarchical clustering in particle physics through reinforcement learning
New York University(纽约大学);Bloomberg(彭博)
粒子物理实验通常需要通过对观测到的末态粒子进行分级聚类来重建衰变模式。我们表明,这个任务可以被描述为一个马尔可夫决策过程,并适应强化学习算法来解决它。特别是,我们表明,蒙特卡罗树搜索指导下的神经政策,可以构建高质量的层次聚类,并优于建立贪婪和束搜索基线。
2020-12-18 cs.AI cs.LG hep-ph
Posterior Regularization on Bayesian Hierarchical Mixture Clustering
Tencent(腾讯);University College Dublin(都柏林大学学院);Trinity College Dublin(都柏林圣三一学院)
针对贝叶斯层次混合聚类(BHMC)高层节点分离度弱的问题,提出对各层节点施加最大间隔约束的后验正则化方法,有效提升了BHMC模型的聚类分离效果。
2023-05-05 cs.AI cs.LG stat.ML
On the properties of $α$-unchaining single linkage hierarchical clustering
在层次聚类方法的选择中,理论属性可以提供一些洞察力来确定哪种方法最适合处理聚类问题。在这里,我们研究了两个层次聚类方法的一些基本性质:$α$ -unchaining单链或$SL(α)$和修改后的版本,这一个,$SL^*(α)$。我们比较的结果与经典的基于链接的层次聚类方法所满足的属性。
2014-02-18 cs.LG
From Logits to Hierarchies: Hierarchical Clustering made Simple
Department of Computer Science, ETH Zurich(苏黎世联邦理工学院计算机科学系);ETH AI Center, Zurich(苏黎世联邦理工学院人工智能中心)
本文提出了一种基于预训练非层次聚类模型的轻量级方法,能够有效进行层次聚类,且无需微调,适用于任何输出 logit 的预训练聚类模型。
2025-12-17 cs.AI cs.CV cs.LG
Interactive Bayesian Hierarchical Clustering
UCSD(加州大学圣地亚哥分校)
聚类是数据分析中的一个强大工具,但通常很难找到符合用户需求的分组。为了解决这个问题,有几种方法将从用户获得的约束纳入聚类算法,但不幸的是,不适用于层次聚类。我们设计了一个交互式贝叶斯算法,将用户交互到层次聚类,同时仍然利用数据的几何结构,通过采样的约束后验分布层次。我们还提出了几种智能查询用户的方法。该算法,以及查询方案,显示出良好的效果,对真实数据。
2016-04-27 cs.LG
Hierarchical clustering by aggregating representatives in sub-minimum-spanning-trees
University of Electronic Science and Technology of China(电子科技大学);University of Minnesota(明尼苏达大学)
层次聚类的主要挑战之一是如何适当地识别聚类树的较低级别中的代表点,这些代表点将被用作聚类树的较高级别中的根以进行进一步的聚合。然而,传统的层次聚类方法采用了一些简单的技巧来选择“代表性”点,这些点可能不够具有代表性。因此,所构造的聚类树在其较差的鲁棒性和较弱的可靠性方面不太吸引人。针对这一问题,提出了一种新的层次聚类算法,该算法在构建聚类树图的同时,通过对每个子最小生成树中倒数最近的数据点进行评分,有效地检测出代表点。在UCI数据集上的大量实验表明,该算法比其他基准测试更准确。同时,分析表明,该算法的时间复杂度为O(nlogn),空间复杂度为O(logn),表明该算法在处理海量数据时具有较好的可扩展性,同时具有较低的时间和存储开销。
2021-11-11 cs.AI cs.LG stat.ML
HiPart: Hierarchical Divisive Clustering Toolbox
University of Thessaly(色萨利大学);Signal Ocean SMPC(信号海洋SMPC公司)
本文提出开源Python库HiPart,提供高效可解释的分裂式层次聚类实现,支持交互式可视化干预结果,侧重计算效率适配大数据场景,依赖稳定且以MIT许可证开源。
2022-09-18 cs.AI cs.LG stat.ML
Scalable Hierarchical Agglomerative Clustering
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校);Google LLC(谷歌有限责任公司);Facebook(脸书);University of Southern California(南加州大学)
凝聚聚类的适用性,推断层次和平面聚类,是有限的,其可扩展性。现有的可扩展的层次聚类方法牺牲质量的速度,往往导致过度合并的集群。在本文中,我们提出了一个可扩展的,凝聚的层次聚类方法,不牺牲质量和规模数十亿的数据点。我们进行了详细的理论分析,表明在温和的可分性条件下,我们的算法不仅可以恢复最佳的平面划分,而且还提供了一个两个近似的非参数DP均值目标。这介绍了一种新的应用程序的层次聚类作为一个近似算法的非参数聚类目标。我们还涉及到我们的算法的经典层次凝聚聚类方法。我们进行了广泛的实证实验,在分层和扁平的聚类设置,并表明我们提出的方法实现了国家的最先进的结果公开可用的聚类基准。最后,我们证明了我们的方法的可扩展性,将其应用到一个数据集的30亿次查询。人类对发现的聚类的评价表明,我们的方法发现的聚类质量比目前最先进的聚类质量更好。
2021-09-30 cs.LG
Comparison three methods of clustering: k-means, spectral clustering and hierarchical clustering
对三种聚类方法进行了比较,并求出了代价函数和损失函数,并进行了计算。聚类方法的出错率以及如何计算出错率一直是评价聚类方法优劣的重要因素之一,因此本文介绍了一种计算聚类方法出错率的方法。聚类算法可以分为几类,包括分区聚类算法,分层算法和基于密度的算法。一般来说,我们应该比较聚类算法的可扩展性,工作能力与不同的属性,集群形成的常规,具有最小的知识的计算机识别的输入参数,类处理噪声和额外的沉积,同样的出错率聚类一个新的数据,从而,有没有影响的输入数据,不同的维度的高水平,K-means是一种最简单的聚类方法,聚类是一个无监督的问题。
2014-11-13 cs.LG
Gromov-Hausdorff stability of linkage-based hierarchical clustering methods
如果数据集上的小扰动在结果中产生小扰动,则层次聚类方法是稳定的。这些扰动是使用Gromov-Hausdorff度量测量的。研究了基于链接的层次聚类方法的稳定性问题。我们得到,在某些基本条件下,标准的基于链接的方法是半稳定的。这意味着,如果输入数据足够接近超度量空间,则它们是稳定的。我们证明,除了异国情调的例子,在算法中引入任何unchaining条件总是产生不稳定的方法。
2013-11-20 cs.LG
Robust Hierarchical Clustering for Directed Networks: An Axiomatic Approach
Stanford University(斯坦福大学);Ohio State University(俄亥俄州立大学);Rice University(莱斯大学)
我们提供了一个完整的分类学特征的强大的层次聚类方法的有向网络公理化的方法。首先,我们介绍了三个实用的属性与层次聚类的鲁棒性的概念:线性尺度保存,稳定性和兴奋。线性尺度保持强制不渗透到测量单位的变化,而稳定性确保输入网络中的有界扰动在聚类输出中引起有界扰动。兴奋性是指聚类结果的局部一致性。从理论上讲,兴奋性意味着我们可以通过只对数据的一个子集进行聚类来降低计算复杂性,同时在理论上保证在对整个数据集进行聚类时可以观察到相同的分层结果。与这三个属性并行,我们引入了可表示性的概念,这是一种生成模型,用于通过指定它们在网络集合上的行为来描述聚类方法。我们的主要结果是利用这种生成模型来精确描述所有鲁棒性--即,有向网络的层次聚类方法:Excisive,linear scale preserving,and stable - hierarchical clustering methods for directed networks.我们还解决了我们的方法的实施,并描述了应用程序的真实数据。
2021-08-16 cs.LG
Multi-rank Sparse Hierarchical Clustering
University of British Columbia(不列颠哥伦比亚大学)
由于医学研究和其他领域收集和存储信息的能力不断增强,大型和平面数据集的数量激增,这些数据集包含大量特征和相对少量的观察结果。层次聚类是一种广泛使用的聚类工具。在分层聚类中,大而平的数据集可以更好地覆盖聚类特征(有助于解释真实的底层聚类的特征),但是,这样的数据集通常包括大部分可能隐藏底层聚类的噪声特征(非聚类特征)。Witten和Tibshirani(2010)提出了一种稀疏层次聚类框架,使用自适应选择的特征子集对观测进行聚类,然而,我们证明了当数据集包含具有复杂结构的聚类特征时,该框架具有一定的局限性。在本文中,我们提出了多秩稀疏层次聚类(MrSHC)。我们表明,使用模拟研究和真实数据的例子,MrSHC产生优越的特征选择和聚类性能相比,经典的(现成的)层次聚类和现有的稀疏层次聚类框架。
2017-07-03 cs.LG stat.ML
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
Agglomerative Hierarchical Clustering with Dynamic Time Warping for Household Load Curve Clustering
Western University(西安大略大学)
能源公司经常实施各种需求响应(DR)计划,通过在关键时期为消费者提供减少需求的激励措施来更好地匹配电力需求和供应。根据客户的消费模式对客户进行分类,可以针对特定的消费者群体进行DR。传统的聚类算法使用标准的距离测量来找到两点之间的距离。聚类算法(如K-means、K-medoids和高斯混合模型)产生的结果取决于聚类参数或初始聚类。相比之下,我们的方法使用基于形状的方法,结合凝聚层次聚类(AHC)与动态时间弯曲(DTW)的住宅家庭的日常负荷曲线分类的基础上,他们的消费模式。虽然DTW寻求两个负载曲线之间的最佳对齐,但AHC提供了一个现实的初始聚类中心。在本文中,我们与其他聚类算法,如K-means,K-medoids,和GMM使用不同的距离措施的结果进行比较,我们表明,AHC使用DTW优于其他聚类算法,需要更少的集群。
2022-10-18 cs.LG
Individual Fairness in Hierarchical Clustering
Indian Institute of Technology, Gandhinagar(印度理工学院甘地纳格尔分校)
针对层次聚类扭曲局部相似性影响单个数据点的问题,将个体公平性要求限制在k近邻范围,刻画可行性所需松弛量并通过实验验证相关理论结果。
2026-08-27 cs.LG
A density-sensitive hierarchical clustering method
Universidad de Castilla-La Mancha(卡斯蒂利亚-拉曼恰大学)
我们定义了一个层次聚类方法:$α$ -解链单链或$SL(α)$。该算法的输入是一个有限的度量空间和一个确定的参数$α$。该方法对分布的密度敏感,并提供了一些解决所谓的连锁效应的方法。我们还定义了一个修改版本$SL^*(α)$,以处理通过点或小块的链接。我们研究了这些方法的理论性质,并为连锁效应的处理提供了一些理论背景。
2014-02-06 cs.LG
Guarantees for Hierarchical Clustering by the Sublevel Set method
Meila(2018)引入了一种基于优化的方法,称为子水平集方法,以保证聚类接近最佳和“近似正确”,而不依赖于任何关于生成数据的分布的假设。本文将Sublevel Set方法扩展到Dasgupta(2016)提出的基于成本的层次聚类范式。
2020-07-06 cs.LG stat.ML
Multi-view Hierarchical Clustering
Xi’an Jiaotong University(西安交通大学)
本文主要研究多视图聚类,旨在提高多视图数据的聚类效果。通常,大多数现有的工作遭受的问题,参数选择和高计算复杂性。为了克服这些限制,我们提出了多视图层次聚类(MHC),它以多个粒度级别递归地划分多视图数据。具体来说,MHC由两个重要组成部分:余弦距离积分(CDI)和最近邻聚集(NNA)。CDI可以探索多视图数据的潜在互补信息,从而学习一个必要的距离矩阵,NNA利用该距离矩阵获得聚类结果。值得注意的是,建议的MHC可以很容易地和有效地在现实世界中的应用,而无需参数选择。在9个基准数据集上的实验表明,与现有的多视图聚类方法相比,该方法具有很大的优越性。
2020-10-15 cs.LG
Excisive Hierarchical Clustering Methods for Network Data
我们介绍了两个实用的属性(可能是不对称的)网络数据的层次聚类方法:Excisiveness和线性尺度保存。后者强制执行不渗透性的变化的措施,而前者确保本地的聚类结果的一致性。从理论上讲,兴奋性意味着我们可以通过仅对感兴趣的数据子集进行聚类来降低计算复杂性,同时在理论上保证在对整个数据集进行聚类时将观察到相同的分层结果。此外,我们引入了可表示性的概念,即一个生成模型,用于描述聚类方法,通过规范他们的行动收集的网络。我们进一步表明,在一组丰富的可接受的方法,要求代表性是等同于要求切除和线性尺度保存。利用这种等价性,我们证明了所有的切除和线性尺度保持方法都可以分为两个步骤:输入网络中的权重变换,然后应用规范聚类方法。此外,它们的因式分解可用于显示在输入网络中的有界扰动在聚类输出中引起有界扰动的意义上的切除和线性尺度保持方法的稳定性。
2016-07-21 cs.LG
A Novel Multi-clustering Method for Hierarchical Clusterings, Based on Boosting
Isfahan University of Technology(伊斯法罕理工大学)
Bagging和Boosting被证明是分类组合问题中构造多分类器的最佳方法。在“平坦聚类”问题的领域中,还认识到基于提升的多聚类方法提供改进质量的聚类。在本文中,我们介绍了一种新的多聚类方法的“层次聚类”的基础上提升理论,它创建一个更稳定的数据集的层次聚类。所提出的算法包括一个提升迭代,其中通过对原始数据集的元素进行加权随机采样来创建样本的自举。然后应用层次聚类算法对选定的子样本建立描述层次结构的树状图。最后,采用分层聚类组合方法将多个树图结果的相异性描述矩阵组合为一致性描述矩阵。在真实流行数据集上的实验表明,与标准的层次聚类方法相比,Boosted方法提供了更高质量的解决方案。
2018-05-29 cs.CV cs.LG stat.ML
Incremental hierarchical text clustering methods: a review
Federal University of Lavras (UFLA)(拉夫拉斯联邦大学(UFLA))
本文针对动态文本数据的组织需求,综述了2010-2018年间的层次增量文本聚类技术,梳理相关核心概念并对比不同方法的特征,为该领域研究提供参考。
2023-12-12 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
Hierarchical Maximum-Margin Clustering
Simon Fraser University(西蒙弗雷泽大学);Ulsan National Institute of Science and Technology(蔚山科学技术院);University of British Columbia(不列颠哥伦比亚大学);Disney Research(迪士尼研究院)
提出了一种用于无监督数据分析的层次最大间隔聚类方法。我们的方法扩展了平面最大利润聚类,并进行聚类递归自上而下的方式。我们提出了一个有效的贪婪分裂标准,选择哪个集群分裂下一个,并采用正则化器,执行功能共享/竞争捕获数据语义。在四个标准数据集上的实验结果表明,我们的方法优于平面和层次聚类基线,同时形成干净和语义有意义的聚类层次结构。
2015-02-06 cs.CV cs.LG
Hierarchical Correlation Clustering and Tree Preserving Embedding
Chalmers University of Technology(查尔姆斯理工大学);Amirkabir University of Technology (Tehran Polytechnic)(阿米尔卡比尔理工大学(德黑兰理工大学))
提出层次相关聚类方法以处理正负成对不相似性,并结合树保留嵌入与极小极大距离扩展进行无监督表示学习,在多个数据集上验证了方法性能。
2025-02-03 cs.LG stat.ML
Convex Clustering through MM: An Efficient Algorithm to Perform Hierarchical Clustering
Econometric Institute(计量经济学研究所);Erasmus University Rotterdam(伊拉斯姆斯大学鹿特丹分校);Graduate School of Engineering Science(工学研究科);Osaka University(大阪大学)
本文提出CCMM算法,通过majorization-minimization和簇融合高效解决大规模凸聚类问题,并确保层次结构终止于单一簇,可处理百万级数据。
2023-12-21 cs.LG stat.ML
Average Sensitivity of Hierarchical $k$-Median Clustering
University of Science and Technology of China(中国科学技术大学)
本文研究了层次$k$-median聚类问题的平均敏感度,提出了一种高效且低敏感度、高质量的聚类算法,并从理论和实验上证明了其相比单链接和CLNSS算法的优越鲁棒性。
2025-07-14 cs.DS cs.LG
Hierarchical Clustering via Spreading Metrics
Georgia Institute of Technology(佐治亚理工学院)
我们研究了由[arXiv:1510.05043]引入的层次聚类的成本函数,其中层次被视为第一类对象,而不是从平面聚类的投影中获得其成本。在[arXiv:1510.05043]中还表明,自顶向下算法返回的分层聚类的成本至多是最佳分层聚类成本的$O\left(α_n \log n\right)$倍,其中$α_n$是所使用的稀疏切割子例程的近似比率。因此,使用由于Arora-Rao-Vazirani的用于稀疏切割的最佳已知近似算法,自顶向下算法返回至多为最优解的成本的$O\left(\log^{3/2} n\right)$倍的成本的分层聚类。我们改进了这一点,给出了一个$O(\log{n})$ -近似算法。我们的主要技术成分是由这个成本函数引起的ultrametrics的组合表征,推导出一个线性规划(ILP)制定这个家庭的ultrametrics,并展示了如何迭代轮LP松弛这个配方使用的思想\emph{sphere growing}已被广泛使用的背景下,图分区。我们还证明了我们的算法返回一个$O(\log{n})$近似的层次聚类,这个成本函数的推广也在[arXiv:1510.05043]中研究。实验表明,层次结构发现使用ILP制定以及我们的舍入算法往往有更好的预测到平坦的集群比标准的链接为基础的算法。我们也给这个问题的常数因子不可逼近的结果。
2016-10-28 cs.LG
A neuro-inspired architecture for unsupervised continual learning based on online clustering and hierarchical predictive coding
Georgia Institute of Technology(佐治亚理工学院)
我们提出,持续学习desiderata可以通过神经启发的架构,蒙特卡斯尔的皮质柱假说的基础上实现。所提出的架构涉及一个单一的模块,称为自学联想记忆(STAM),它模拟了皮质柱的功能。STAM在涉及前馈、横向和反馈连接的多级层次结构中重复。STAM网络以无监督的方式学习,基于在线聚类和分层预测编码的组合。这篇简短的论文只介绍了架构及其与神经科学的联系。数学公式和实验结果将在本文的扩展版本。
2018-10-22 cs.AI cs.LG q-bio.NC
Dissimilarity Clustering by Hierarchical Multi-Level Refinement
Université Paul Verlaine-Metz(保罗·魏尔伦-梅斯大学);Université Paris 1 Panthéon-Sorbonne(巴黎第一大学 先贤祠-索邦)
本文介绍了一种新的方法,优化的自然扩展的量化误差用于k-均值聚类相异的数据。该方法是基于层次聚类分析结合多层次启发式求精。该方法计算效率高,并且比传统方法实现了更好的量化误差
2012-04-29 cs.LG stat.ML
Hierarchical Clustering: Objective Functions and Algorithms
University of Copenhagen(哥本哈根大学);University of Oxford(牛津大学);The Alan Turing Institute(阿兰·图灵研究所);École normale supérieure, CNRS, PSL Research University(巴黎高等师范学院,法国国家科学研究中心,巴黎文理研究大学);Simon Fraser University(西蒙菲莎大学)
层次聚类是以越来越细的粒度将数据集递归划分为聚类。由于大多数关于层次聚类的工作都是基于提供算法,而不是优化特定目标,Dasgupta将基于相似性的层次聚类框定为组合优化问题,其中“好”的层次聚类是最小化某些成本函数的聚类。他表明,这个成本函数具有某些理想的性质。我们采取一个公理化的方法来定义“好”的目标函数的相似性和差异为基础的层次聚类。我们描述了一组“可接受”的目标函数(包括Dasgupta的一个),具有的属性,当输入承认一个“自然”的层次聚类,它有一个最佳值。通过构造合适的目标函数,分析了实际算法的性能,并提出了改进的算法。对于基于相似性的层次聚类,Dasgupta表明分裂稀疏切割方法实现了$O(\log^{3/2} n)$近似。我们给出了一个精细的分析算法,并表明它实际上实现了一个$O(\sqrt{\log n})$ -近似。(Charikar和Chatziafratis独立证明,这是一个$O(\sqrt{\log n})$ -近似)。这改进了基于LP的$O(\log n)$ -约。罗伊和波库塔对于基于差异的层次聚类,我们表明,经典的平均连锁算法给出了一个因子2近似,并提供一种简单且更好的算法,其给出因子3/2近似。最后,我们考虑“超越最坏情况”的情况下,通过概括的随机块模型的层次聚类。我们表明,Dasgupta的成本函数具有理想的属性,这些输入,我们提供了一个简单的1 + …
2017-04-07 cs.DS cs.LG
Interactive Steering of Hierarchical Clustering
Tsinghua University(清华大学);Microsoft Research(微软研究院);University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校)
层次聚类是组织大数据进行探索性数据分析的重要技术。然而,现有的一刀切的层次聚类方法往往无法满足不同用户的多样化需求。为了解决这一挑战,我们提出了一种交互式转向方法,通过利用公共知识(例如,维基百科)和用户的私人知识。我们的方法的新颖性包括:1)使用知识(知识驱动)和内在数据分布(数据驱动)自动构建层次聚类的约束,以及2)通过可视化界面(用户驱动)实现聚类的交互式转向。我们的方法首先将每个数据项映射到知识库中最相关的项。初始约束树,然后使用蚁群优化算法提取。该算法平衡了树的宽度和深度,并以高置信度覆盖数据项。在给定约束树的情况下,利用进化贝叶斯玫瑰树对数据项进行层次聚类。为了清楚地传达层次聚类的结果,一个不确定性感知的树可视化已经开发,使用户能够快速定位最不确定的子层次结构,并交互式地改善它们。定量评估和案例研究表明,所提出的方法有助于建立定制的聚类树,在一个高效和有效的方式。
2020-09-21 cs.LG stat.ML
Hierarchical Quasi-Clustering Methods for Asymmetric Networks
Stanford University(斯坦福大学);Ohio State University(俄亥俄州立大学);University of Pennsylvania(宾夕法尼亚大学)
本文介绍了层次准聚类方法,一个推广的层次聚类的非对称网络中的输出结构保留的输入数据的非对称性。我们证明了这种输出结构等价于一个有限的准超度量空间,并研究了关于两个理想性质的容许性。我们证明了一个修改后的版本的单链接是唯一允许的准聚类方法。此外,我们证明了所提出的方法的稳定性,我们建立的不变性履行it.Algorithms进一步发展和准聚类分析的价值与美国境内的移民研究。
2014-04-17 cs.LG stat.ML
Branching embedding: A heuristic dimensionality reduction algorithm based on hierarchical clustering
University of Toyama(富山大学);Institute of Natural Medicine, University of Toyama, Japan(富山大学自然医学研究所)
本文提出了一种新的降维算法-分支嵌入(BE)。它将树状图转换为二维散点图,并可视化原始高维数据的固有结构。由于转换部分在计算上要求不高,因此BE算法对于已经执行了分层聚类的情况将是有益的。数值实验表明,该算法的输出适度地保持了原有的层次结构。
2018-05-06 cs.LG stat.ML
Adaptive Resonance Theory-based Topological Clustering with a Divisive Hierarchical Structure Capable of Continual Learning
Osaka Prefecture University(大阪府立大学);Southern University of Science and Technology(南方科技大学)
自适应共振理论(ART)因其能够处理可塑性-稳定性矛盾而被认为是实现持续学习的有效途径。然而,一般来说,基于ART的算法的聚类性能强烈依赖于相似性阈值的指定,即,警惕参数,取决于数据并手动指定。本文提出了一种基于ART的拓扑聚类算法,该算法具有根据数据点的分布自动估计相似性阈值的机制。此外,为了提高信息抽取的性能,通过引入层次结构,提出了一种具有持续学习能力的分层层次聚类算法.实验结果表明,该算法具有较高的聚类性能与最近提出的最先进的层次聚类算法。
2022-07-07 cs.LG cs.NE
Fair Hierarchical Clustering
Google(谷歌);University of Maryland(马里兰大学);Carnegie Mellon University(卡内基梅隆大学)
随着机器学习变得越来越普遍,研究人员开始认识到确保机器学习系统公平的必要性。最近,有兴趣定义一个公平的概念,减轻在传统的聚类过度表示。在本文中,我们将这一概念扩展到层次聚类,其目标是递归地划分数据以优化特定目标。对于各种自然的目标,我们得到简单,有效的算法,找到一个可证明良好的公平分层聚类。经验上,我们表明,我们的算法可以找到一个公平的层次聚类,只有一个可以忽略不计的损失的目标。
2020-06-19 cs.DS cs.LG stat.ML
An Information-theoretic Perspective of Hierarchical Clustering
Beihang University(北京航空航天大学)
Dasgupta \cite{dasgupta2016cost}提出了一种用于层次聚类的组合代价函数。Cohen-Addad等人在\cite{cohen2019hierarchical}中将它推广到一个称为容许函数的一般形式。在本文中,我们研究层次聚类从\emph{information-theoretic}的角度来看,并制定了一个新的目标函数。我们还建立了这两个视角之间的关系。在算法方面,我们摒弃了传统的自顶向下和自底向上的框架,提出了一种新的框架,在目标函数的指导下递归地对聚类树的\emph{sparsest}层次进行分层。为了实际使用,我们得到的聚类树不是二叉的。HCSE算法通过一种新颖的、可解释的机制输出一棵$k$级的聚类树,自动选择$k$,不需要任何超参数。我们在人工数据集上的实验结果表明HCSE在寻找内在层次数方面具有很大的优势,在真实数据集上的实验结果表明HCSE也比流行的算法LOUVAIN和HLP具有竞争力的成本。
2021-08-13 cs.LG
Objective-Based Hierarchical Clustering of Deep Embedding Vectors
ITMO University(圣彼得堡国立信息技术机械与光学大学);Indiana University, Bloomington(印第安纳大学伯明顿分校)
我们发起了一个全面的实验研究,基于客观的层次聚类方法对海量数据集组成的深度嵌入向量从计算机视觉和NLP应用。这包括各种各样的图像嵌入(ImageNet,ImageNet V2,NaBirds),词嵌入(Twitter,Wikipedia)和句子嵌入(SST-2)向量,这些向量来自最近几个流行的模型(例如ResNet,ResNext,Inception V3,SBERT)。我们的研究包括数据集高达$4.5$万个条目,嵌入维度高达$2048$。为了解决将层次聚类扩展到如此大的数据集的挑战,我们提出了一个新的实用的层次聚类算法B++&C。与广泛的经典方法和最近的算法相比,它对流行的Moseley-Wang(MW)/ Cohen-Addad等人(CKMM)目标(归一化)平均提高了5%/20%。我们还介绍了一个理论算法B2 SAT & C,实现了$0.74$ -近似的CKMM目标在多项式时间。这是第一次重大改进平凡的$2/3$ -近似实现的随机二叉树。在这项工作之前,$\approx 2/3 + 0.0004$的最佳多时间近似是由Charikar等人(SODA'19)提出的。
2022-06-08 cs.AI cs.DS cs.LG
Tree-SNE: Hierarchical Clustering and Visualization Using t-SNE
Yale University(耶鲁大学)
t-SNE和层次聚类是探索性数据分析的流行方法,特别是在生物学中。在加速t-SNE和获得更细粒度结构的最新进展的基础上,我们将两者结合起来创建tree-SNE,这是一种基于堆叠一维t-SNE嵌入的分层聚类和可视化算法。我们还介绍了阿尔法聚类,它建议最佳的集群分配,没有预知的集群数量,基于跨多个尺度的集群稳定性。我们证明了树SNE和阿尔法聚类对手写数字图像、血细胞质谱仪(CyTOF)数据和视网膜细胞单细胞RNA测序(scRNA-seq)数据的有效性。此外,为了证明可视化的有效性,我们使用阿尔法聚类获得无监督聚类结果的竞争力与几个图像数据集上的最新技术。软件可在https://github.com/isaacrob/treesne上获得。
2020-02-13 cs.LG stat.ML
Fair Polylog-Approximate Low-Cost Hierarchical Clustering
University of Maryland, College Park(马里兰大学帕克分校)
针对公平层次聚类中存在的多项式近似壁垒,本文提出了首个真正的多对数近似低成本公平层次聚类方法,大幅缩小了公平与普通层次聚类近似之间的差距。
2023-11-21 cs.DS cs.LG
An Objective for Hierarchical Clustering in Euclidean Space and its Connection to Bisecting K-means
Tepper School of Business, Carnegie Mellon University(卡内基梅隆大学泰珀商学院)
本文探讨了层次聚类的情况下,对点的相异分数(例如距离)作为输入的一部分。最近引入的目标点与相异分数的结果在每棵树是1/2近似,如果距离形成一个度量。这表明目标并没有在度量空间中的好的和差的层次聚类之间做出显着的区分。基于此,本文在欧氏空间中提出了一种新的全局层次聚类目标。目标捕获了促使使用分裂聚类算法的标准:当分裂发生时,同一聚类中的点应该比不同聚类中的点更相似。此外,这一目标给出了合理的结果,地面实况输入层次聚类。本文建立了这个目标和二分k-means算法之间的理论联系。本文证明了最优2-均值解的结果是目标的常数逼近。这是第一篇证明二分k-means算法在整个树上优化自然全局目标的论文。
2020-08-30 cs.LG stat.ML
Hierarchical Clustering using Randomly Selected Similarities
Technicolor Research(特艺集团研究院)
根据成对相似性对项目进行层次聚类的问题存在于从生物学到网络的各个科学学科中。通常,聚类技术的应用受到获得项目对之间的相似性的成本的限制。虽然先前的工作已经开发,通过自适应测量使用一组显着减少的成对相似性重建聚类,这些技术是只适用于当选择的相似性可供用户。在本文中,我们研究重建层次聚类相似性观察随机。我们推导出精确的界限,这表明,一个显着的分数的层次聚类可以恢复使用少于所有的成对相似性。我们发现,正确的层次聚类下降到项目总数的一个常数部分(即,簇大小为O(N))可以使用仅O(NlogN)随机选择的期望成对相似性来找到。
2012-07-19 cs.IT cs.LG math.IT
Hierarchical clustering with maximum density paths and mixture models
Institute of Computer Science and Campus Institute Data Science, University of Göttingen(计算机科学研究所和校园数据科学研究所,哥廷根大学);Max Planck Institute for Dynamics and Self-Organization(动态与自组织Max Planck研究所)
针对现有层次聚类在高维、无清晰密度间隙数据上的不足,提出基于概率的t-NEB方法,通过过聚类密度估计、最大密度路径查找和自底向上合并三步实现最优性能与有意义层次,助力探索性数据分析。
2025-05-21 cs.LG stat.ML
Order preserving hierarchical agglomerative clustering
偏序和有向无环图通常是在许多领域和应用中自然出现的循环数据结构,并且用于表示领域中实体之间的有序关系。例如,项目计划中的任务依赖关系、分布式账本中的交易顺序以及计算机程序中的任务执行顺序,仅举几例。研究了这类有序数据的保序层次聚类问题。也就是说,如果我们在原始数据中有$a < b$,并用$[a]$和$[b]$表示它们各自的聚类,那么我们在生成的聚类中将有$[a] < [b]$。聚类是基于相似性的,并使用标准的链接功能,如单一和完整的链接,是经典的层次聚类的扩展。为了实现这一点,我们定义的输出运行经典的层次聚类严格有序的数据是部分树状图,子树的经典树状图与几个连接组件。然后,我们构建了一个嵌入的部分树状图在一个集合到家庭的超度量在同一个集合。一个最佳的层次聚类被定义为部分树状图对应的超度量最接近原来的相异度测量,测量的p-范数。因此,该方法是经典的层次聚类和超度量拟合的组合。一个参考实现的合成随机数据和现实世界的数据库中的机器零件的实验。实验结果表明,与现有的方法相比,该方法在聚类质量和顺序保持方面都有很大的优势。
2021-09-09 cs.LG stat.ML
A Multiscale Graph Convolutional Network Using Hierarchical Clustering
University of Cambridge(剑桥大学)
包含在分层拓扑结构中的信息,是许多网络所固有的,目前未得到充分利用。一种新的架构,探索利用这些信息,通过多尺度分解。通过Girvan-Newman分层聚类算法产生树状图。它被分割并通过图卷积层馈送,允许架构学习网络的多尺度潜在空间表示,从细粒度到粗粒度。该架构在基准引文网络上进行了测试,证明了具有竞争力的性能。由于层次网络的丰富性,可能的应用包括量子分子性质预测,蛋白质界面预测和偏微分方程的多尺度计算衬底。
2020-06-22 cs.LG stat.ML
A cost function for similarity-based hierarchical clustering
由于缺乏精确的目标函数,层次聚类算法的发展一直受到阻碍。为了帮助解决这种情况,我们在一组点上的层次结构上引入一个简单的成本函数,给定这些点之间的成对相似性。我们表明,这一标准的行为在典型的情况下,它承认一个自上而下的建设过程,具有可证明的良好的近似比。
2015-10-16 cs.DS cs.LG stat.ML
An objective function for order preserving hierarchical clustering
针对概率偏序与有向无环图的保序层次聚类问题,提出相关理论与双目标优化目标函数,证明其最优解的优良性质,并设计多项式时间近似算法,性能显著优于现有方法。
2024-12-10 cs.LG math.CO
Supervised Hierarchical Clustering with Exponential Linkage
College of Information and Computer Sciences, University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校信息与计算机科学学院)
在监督聚类中,用于学习成对相异性函数的标准技术通常会受到训练目标和聚类目标之间的差异的影响,从而导致聚类质量差。纠正这种差异需要将训练相异性函数的过程与聚类算法相匹配。在本文中,我们介绍了一种方法来训练的相异度函数的方式,是紧密耦合的层次聚类,特别是单链接。然而,对于给定的数据集,适当的聚类算法通常是未知的。因此,我们引入了一种监督层次聚类的方法,平滑插值之间的单一,平均和完整的链接,我们给出了一个训练过程,同时学习的链接函数和相异性函数。我们用一个新的指数链接函数来实现这一点,该函数具有一个可学习的参数来控制插值。在四个数据集上的实验中,我们的联合训练过程始终匹配或优于下一个最佳训练过程/连接函数对,并且在不一致对上的树状图纯度上提高了8个点。
2019-06-19 cs.LG stat.ML
Active Clustering: Robust and Efficient Hierarchical Clustering using Adaptively Selected Similarities
Boston University(波士顿大学);University of Wisconsin - Madison(威斯康星大学麦迪逊分校);Carnegie Mellon University(卡内基梅隆大学)
基于成对相似性的层次聚类是广泛应用于科学领域的常用工具。然而,在许多问题中,获得或计算待聚类的项目之间的相似性可能是昂贵的。本文研究了N个项目的层次聚类的基础上的一个小子集的成对相似性,显着小于完整的N(N-1)/2相似性。首先,我们表明,如果集群内的相似性超过集群间的相似性,那么它是可以正确地确定从少至3 N对数N相似性的层次聚类。我们证明了这种数量级的节省成对相似性的数量需要顺序选择的相似性,以获得自适应的方式,而不是随机挑选。然后,我们提出了一个积极的聚类方法,是强大的异常相似性的一个有限的部分,并显示如何即使在这些嘈杂的相似性值的存在下,我们可以解决层次聚类使用仅O(N log^2 N)成对的相似性。
2011-02-18 cs.IT cs.LG math.IT
Foundations of Comparison-Based Hierarchical Clustering
University of Tübingen(图宾根大学);Max-Planck-Institute for Intelligent Systems(马克斯·普朗克智能系统研究所)
我们解决了经典的问题,层次聚类,但在一个框架中,人们没有访问的对象或其成对的相似性的表示。相反,我们假设只有一组对象之间的比较是可用的,也就是说,形式为“对象$i$和$j$比对象$k$和$l$更相似”的语句。“这种情况在众包应用中很常见。这项工作的重点是开发基于比较的层次聚类算法,不依赖于顺序嵌入的原则。我们发现,单一和完整的连锁固有的比较为基础,我们开发的平均连锁的变体。我们提供了不同的方法下种植层次划分模型的统计保证。我们还实证证明了所提出的方法在几个数据集上的性能。
2019-06-12 cs.LG stat.ML
Hierarchical Qualitative Clustering: clustering mixed datasets with critical qualitative information
INESC TEC;Universidade do Porto(波尔图大学)
聚类可以用来从数据中提取洞察力,或者验证领域专家所持有的一些假设,即数据分割。在文献中,很少有方法可以应用于聚类定性值使用与数据中存在的其他变量相关联的上下文,而不会失去可解释性。此外,用于计算定性值之间的相异度的度量对于高维混合数据集通常缩放性较差。在这项研究中,我们提出了一种新的方法聚类定性值,层次聚类(HQC)的基础上,并使用最大均值离散。HQC保持数据集中定性信息的原始可解释性。我们将HQC应用于两个数据集。使用Spotify提供的混合数据集,我们展示了我们的方法如何用于基于数千首歌曲的定量特征对音乐艺术家进行聚类。此外,利用公司的财务特征,我们聚类公司行业,并讨论了投资组合多元化的含义。
2020-07-06 cs.LG stat.ML
Hierarchical Clustering with Prior Knowledge
Amazon.com Inc.(亚马逊公司)
层次聚类是一类试图建立聚类层次结构的算法。它一直是构建嵌入式分类方案的主要方法,因为它输出树状图,同时捕获各级粒度的成员之间的层次关系。在算法意义上是贪婪的,层次聚类在每一步都仅仅基于相似性/相异性度量来划分数据。聚类结果往往不仅取决于底层数据的分布,而且还取决于相异性度量的选择和聚类算法。本文提出了一种将实体关系的先验领域知识融入到层次聚类中的方法。具体来说,我们使用超度量空间中的距离函数来编码外部本体信息。我们表明,流行的基于链接的算法可以忠实地恢复编码的结构。类似于一些正则化的机器学习技术,我们将此距离作为惩罚项添加到原始的成对距离中,以调节树状图的最终结构。作为一个案例研究,我们应用这种方法对真实数据的客户行为为基础的产品分类亚马逊服务的建设,利用信息从一个更大的亚马逊范围内的浏览结构。当人们想要利用来自外部源的关系信息时,或者用于生成距离矩阵的数据是噪声和稀疏的时,该方法是有用的。我们的工作属于半监督或约束聚类的范畴。
2018-08-25 cs.LG stat.ML
Hierarchical Clustering of Asymmetric Networks
Stanford University(斯坦福大学);Ohio State University(俄亥俄州立大学);University of Pennsylvania(宾夕法尼亚大学)
本文考虑的网络中,节点之间的关系表示的有向相异性。目标是研究基于相异度结构输出层次聚类的方法,即,由连接参数索引的嵌套分区族。我们的分层聚类方法的构建是围绕容许方法的概念构建的,容许方法是那些遵守价值公理的方法-具有两个节点的网络中的节点在它们之间的两个相异点中的最大值处聚集在一起-和变换-当相异点减少时,网络可能变得更聚集,但不是更少。两种特定的方法,称为互反聚类和非互反聚类,所示,以提供上界和下界的空间中的容许方法。此外,替代聚类方法和公理被认为是。特别是,修改公理的价值,使集群在两个节点的网络发生在最小的两个相异需要存在一个独特的容许聚类方法。
2016-07-21 cs.LG stat.ML