論文の概要: Minimum adjusted Rand index for two clusterings of a given size
- arxiv url: http://arxiv.org/abs/2002.03677v3
- Date: Wed, 9 Dec 2020 08:35:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 07:39:32.167019
- Title: Minimum adjusted Rand index for two clusterings of a given size
- Title(参考訳): 所定のサイズの2つのクラスタリングに対する最小調整ランド指数
- Authors: Jos\'e E. Chac\'on, Ana I. Rastrojo
- Abstract要約: 調整されたRand Index(ARI)は、クラスタ分析において、2つのデータパーティション間の一致度を測定するために一般的に使用される。
ここでは、与えられた大きさの2つのクラスタリングに対するARIの最小値の明示的な式を示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The adjusted Rand index (ARI) is commonly used in cluster analysis to measure
the degree of agreement between two data partitions. Since its introduction,
exploring the situations of extreme agreement and disagreement under different
circumstances has been a subject of interest, in order to achieve a better
understanding of this index. Here, an explicit formula for the lowest possible
value of the ARI for two clusterings of given sizes is shown, and moreover a
specific pair of clusterings achieving such a bound is provided.
- Abstract(参考訳): 調整されたランド指数(ari)は、2つのデータ分割間の一致度を測定するためにクラスタ分析で一般的に用いられる。
導入以来、この指標をよりよく理解するために、異なる状況下での極端な合意や不一致の状況を探究することが関心の対象となっている。
ここでは、与えられた大きさの2つのクラスタリングに対するARIの最小値の明示的な式を示し、さらに、そのような境界を達成する特定の一対のクラスタリングを提供する。
関連論文リスト
- A structured regression approach for evaluating model performance across
intersectional subgroups [57.84444882410051]
分散評価は、AIフェアネスアセスメントにおける中心的なタスクであり、異なるサブグループ間でAIシステムのパフォーマンスを測定することを目的としている。
本稿では,システム性能評価の信頼性を実証する,非凝集評価のための構造化回帰手法を提案する。
我々は2つの公開データセットといくつかの半合成データの変種についてアプローチを評価した。
論文 参考訳(メタデータ) (2024-01-26T14:21:45Z) - Optimization of Inter-group Criteria for Clustering with Minimum Size
Constraints [2.7195102129095003]
クラスタリングの品質を評価するために使用される内部尺度は、通常、グループ内および/またはグループ間基準を考慮に入れます。
証明可能な近似保証付きアルゴリズムを提案し, 前者を最適化する。
10個の実際のデータセットを用いて実証的研究を行い、我々の手法が実用的な環境で非常にうまく機能することを示す。
論文 参考訳(メタデータ) (2024-01-13T14:59:12Z) - Spectral Normalized-Cut Graph Partitioning with Fairness Constraints [18.835004555146575]
正規化されたグラフ分割は、グラフ内のノードの集合を$k$ディスジョイントクラスタに分割して、任意のクラスタと他のクラスタ間の全エッジの分画を最小限にすることを目的としている。
本稿では,ノードが異なる階層群に属することを示す分類学的属性によって特徴付けられる分割問題の公平な変種について考察する。
私たちの目標は、正規化されたカット値を最小化しながら、各グループが各クラスタにほぼ比例的に表現されることを保証することです。
論文 参考訳(メタデータ) (2023-07-22T12:20:46Z) - Efficient Bilateral Cross-Modality Cluster Matching for Unsupervised
Visible-Infrared Person ReID [78.3829236947196]
本稿では, クラスタ間マッチングによるモダリティギャップを低減するための, クラスタマッチングに基づく新たな学習フレームワークを提案する。
このような監視信号の下では、クラスタレベルで特徴を協調的に整列させるために、モダリティ・特定・モダリティ・非依存(MSMA)コントラスト学習フレームワークが提案されている。
公開SYSU-MM01とRegDBデータセットの実験により,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2023-05-22T03:27:46Z) - A Proposition-Level Clustering Approach for Multi-Document Summarization [82.4616498914049]
クラスタリングアプローチを再検討し、より正確な情報アライメントの提案をグループ化します。
提案手法は,有意な命題を検出し,それらをパラフラスティックなクラスタに分類し,その命題を融合して各クラスタの代表文を生成する。
DUC 2004 とTAC 2011 データセットでは,従来の最先端 MDS 法よりも要約法が優れている。
論文 参考訳(メタデータ) (2021-12-16T10:34:22Z) - Riemannian classification of EEG signals with missing values [67.90148548467762]
本稿では脳波の分類に欠落したデータを扱うための2つの方法を提案する。
第1のアプローチでは、インプットされたデータと$k$-nearestの隣人アルゴリズムとの共分散を推定し、第2のアプローチでは、期待最大化アルゴリズム内で観測データの可能性を活用することにより、観測データに依存する。
その結果, 提案手法は観測データに基づく分類よりも優れており, 欠落したデータ比が増大しても高い精度を維持することができることがわかった。
論文 参考訳(メタデータ) (2021-10-19T14:24:50Z) - Clustering performance analysis using new correlation based cluster
validity indices [0.0]
本研究では,2つのデータポイント間の実際の距離と,2つのポイントが位置するクラスタのセントロイド距離との相関に基づく2つの新しいクラスタ妥当性指標を開発した。
提案した指標は, 前述した弱点を克服する異なる数のクラスタにおいて, 常にいくつかのピークを発生させる。
論文 参考訳(メタデータ) (2021-09-23T06:59:41Z) - Determinantal consensus clustering [77.34726150561087]
本稿では,クラスタリングアルゴリズムのランダム再起動における決定点プロセス (DPP) の利用を提案する。
DPPは部分集合内の中心点の多様性を好んでいる。
DPPとは対照的に、この手法は多様性の確保と、すべてのデータフェースについて良好なカバレッジを得るために失敗することを示す。
論文 参考訳(メタデータ) (2021-02-07T23:48:24Z) - Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。
我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
論文 参考訳(メタデータ) (2020-10-22T15:58:35Z) - The role of regularization in classification of high-dimensional noisy
Gaussian mixture [36.279288150100875]
雑音状態における2つのガウスの高次元混合を考える。
正規化凸分類器の一般化誤差を厳密に解析する。
ベイズ最適性能に到達できるような正規化の驚くべき効果について論じる。
論文 参考訳(メタデータ) (2020-02-26T14:54:28Z) - Explicit agreement extremes for a $2\times2$ table with given marginals [0.0]
クラスタリング間の合意を最大化(あるいは最小化する)する問題は、与えられた限界を条件として、共通の枠組みの下で正式に提案することができる。
ここでは、2つのクラスタリングがそれぞれ2つのクラスタを持つ場合の明示的な解を示す。
論文 参考訳(メタデータ) (2020-01-21T09:47:57Z)
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。