論文の概要: RelDenClu: A Relative Density based Biclustering Method for identifying non-linear feature relations
- arxiv url: http://arxiv.org/abs/1811.04661v6
- Date: Fri, 28 Mar 2025 17:02:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-31 15:30:14.460507
- Title: RelDenClu: A Relative Density based Biclustering Method for identifying non-linear feature relations
- Title（参考訳）: RelDenClu:非線形特徴関係同定のための相対密度に基づくビクラスタリング法
- Authors: Namita Jain, Susmita Ghosh, C. A. Murthy,
- Abstract要約: 提案手法であるRelDenCluは,各特徴量の辺密度と接合密度の局所的変動を利用して観測のサブセットを求める。
その後、共通の観測によって繋がった一連の特徴を発見し、結果として双クラスターとなる。
15種類のシミュレーションデータセットと6つの実生活データセットで実験が行われた。
- 参考スコア（独自算出の注目度）: 0.1843404256219181
- License:
- Abstract: The existing biclustering algorithms for finding feature relation based biclusters often depend on assumptions like monotonicity or linearity. Though a few algorithms overcome this problem by using density-based methods, they tend to miss out many biclusters because they use global criteria for identifying dense regions. The proposed method, RelDenClu uses the local variations in marginal and joint densities for each pair of features to find the subset of observations, which forms the bases of the relation between them. It then finds the set of features connected by a common set of observations, resulting in a bicluster. To show the effectiveness of the proposed methodology, experimentation has been carried out on fifteen types of simulated datasets. Further, it has been applied to six real-life datasets. For three of these real-life datasets, the proposed method is used for unsupervised learning, while for other three real-life datasets it is used as an aid to supervised learning. For all the datasets the performance of the proposed method is compared with that of seven different state-of-the-art algorithms and the proposed algorithm is seen to produce better results. The efficacy of proposed algorithm is also seen by its use on COVID-19 dataset for identifying some features (genetic, demographics and others) that are likely to affect the spread of COVID-19.
- Abstract（参考訳）: 特徴関係に基づくビクラスタを見つけるための既存のビクラスタリングアルゴリズムは、しばしば単調性や線形性といった仮定に依存する。
密度に基づく手法を用いることでこの問題を克服するアルゴリズムはいくつかあるが、密度の高い地域を特定するためにグローバルな基準を使用するため、多くのビクラスタを見逃す傾向にある。
提案手法であるRelDenCluは,それぞれの特徴の辺縁密度と接合密度の局所的変動を利用して,それらの関係の基底となる観測のサブセットを求める。
その後、共通の観測によって繋がった一連の特徴を発見し、結果として双クラスターとなる。
提案手法の有効性を示すため、15種類のシミュレーションデータセットを用いて実験を行った。
さらに、6つの実生活データセットにも適用されている。
これら3つの実生活データセットに対して、提案手法は教師なし学習に使用され、他の3つの実生活データセットは教師付き学習の補助として使用される。
全てのデータセットに対して,提案手法の性能を7種類の最先端アルゴリズムと比較し,提案アルゴリズムによりより良い結果が得られることを示した。
提案されたアルゴリズムの有効性は、新型コロナウイルスの拡散に影響を与える可能性のあるいくつかの特徴(遺伝、人口統計など)を特定するために、COVID-19データセットの使用によっても見られる。
関連論文リスト
- Rethinking k-means from manifold learning perspective [122.38667613245151]
平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。
具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。
異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
論文 参考訳（メタデータ） (2023-05-12T03:01:41Z) - Influence of Swarm Intelligence in Data Clustering Mechanisms [0.0]
自然にインスパイアされたSwarmベースのアルゴリズムは、データの欠如と一貫性のない大規模なデータセットに対処するために、データクラスタリングに使用される。
本稿では、これらの新しいアプローチの性能を概観し、問題のある状況に最適な方法の比較を行う。
論文 参考訳（メタデータ） (2023-05-07T08:40:50Z) - Unified Multi-View Orthonormal Non-Negative Graph Based Clustering
Framework [74.25493157757943]
我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。
また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
論文 参考訳（メタデータ） (2022-11-03T08:18:27Z) - Unsupervised feature selection via self-paced learning and low-redundant
regularization [6.083524716031565]
自己評価学習とサブスペース学習の枠組みを統合することにより,教師なしの特徴選択を提案する。
この手法の収束性は理論的および実験的に証明される。
実験の結果,提案手法はクラスタリング法の性能を向上し,他の比較アルゴリズムよりも優れていることがわかった。
論文 参考訳（メタデータ） (2021-12-14T08:28:19Z) - Fuzzy clustering algorithms with distance metric learning and entropy
regularization [0.0]
本稿では,ユークリッド,シティブロック,マハラノビス距離とエントロピー正規化に基づくファジィクラスタリングアルゴリズムを提案する。
合成および実データセットに関するいくつかの実験は、ノイズの多い画像テクスチャセグメンテーションへの応用を含む、これらの適応クラスタリング手法の有用性を実証している。
論文 参考訳（メタデータ） (2021-02-18T18:19:04Z) - Biclustering with Alternating K-Means [5.089110111757978]
本稿では,経験的クラスタリングリスクを最小限に抑えるというアイデアに基づいて,ビクラスタリング問題の新たな定式化について述べる。
カラムと行間のk-meansクラスタリングアルゴリズムの適応バージョンを交互に使用することにより,局所最小値を求める,単純で斬新なアルゴリズムを提案する。
その結果,本アルゴリズムは,データ中の有意義な構造を検知し,様々な設定や状況において競合する2クラスタリング手法より優れていることを示す。
論文 参考訳（メタデータ） (2020-09-09T20:15:24Z) - A Novel Granular-Based Bi-Clustering Method of Deep Mining the
Co-Expressed Genes [76.84066556597342]
ビクラスタリング法は、サンプル(遺伝子)のサブセットが試験条件下で協調的に制御されるバイクラスタをマイニングするために用いられる。
残念ながら、従来の二クラスタ法はそのような二クラスタを発見するのに完全には効果がない。
本稿では,グラニュラーコンピューティングの理論を取り入れた新しい2クラスタリング手法を提案する。
論文 参考訳（メタデータ） (2020-05-12T02:04:40Z) - New advances in enumerative biclustering algorithms with online
partitioning [80.22629846165306]
さらに、数値データセットの列に定数値を持つ最大二クラスタの効率的で完全で正しい非冗長列挙を実現できる二クラスタリングアルゴリズムであるRIn-Close_CVCを拡張した。
改良されたアルゴリズムはRIn-Close_CVC3と呼ばれ、RIn-Close_CVCの魅力的な特性を保ちます。
論文 参考訳（メタデータ） (2020-03-07T14:54:26Z) - Conjoined Dirichlet Process [63.89763375457853]
我々はディリクレ過程に基づく新しい非パラメトリック確率的ビクラスタリング法を開発し、列と列の双方に強い共起を持つビクラスタを同定する。
本手法はテキストマイニングと遺伝子発現解析の2つの異なる応用に適用し,既存の手法に比べて多くの設定でビクラスタ抽出を改善することを示す。
論文 参考訳（メタデータ） (2020-02-08T19:41:23Z) - Heterogeneous Transfer Learning in Ensemble Clustering [0.0]
類似したラベル付きデータが利用できるクラスタリング問題を考える。
本手法は,データの構造的特徴を記述したメタ機能の構築に基づく。
モンテカルロモデルを用いた実験により,その効率性が確認された。
論文 参考訳（メタデータ） (2020-01-20T16:03:38Z) - Clustering Binary Data by Application of Combinatorial Optimization
Heuristics [52.77024349608834]
本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。
近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。
準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
論文 参考訳（メタデータ） (2020-01-06T23:33:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。