Fugu-MT 論文翻訳(概要): Minimum adjusted Rand index for two clusterings of a given size

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

Supervised Pattern Recognition Involving Skewed Feature Densities [49.48516314472825]
一致する類似度指数に基づくユークリッド距離の分類ポテンシャルと相似性指数を比較する。隣接する2つの群の密度間の交点を分類する精度を考慮する。
論文参考訳（メタデータ） (2024-09-02T12:45:18Z)
ABCDE: Application-Based Cluster Diff Evals [49.1574468325115]
それは実用性を目指しており、アイテムはアプリケーション固有の重要な値を持つことができ、クラスタリングがどちらが優れているかを判断するときに人間の判断を使うのは粗悪であり、アイテムの任意のスライスのためのメトリクスを報告できる。クラスタリング品質の差分を測定するアプローチは、高価な地平を前もって構築し、それに関して各クラスタリングを評価する代わりに、ABCDEはクラスタリング間の実際の差分に基づいて、判定のための質問をサンプリングする。
論文参考訳（メタデータ） (2024-07-31T08:29:35Z)
A structured regression approach for evaluating model performance across intersectional subgroups [53.91682617836498]
分散評価(disaggregated evaluation)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、AIシステムのさまざまなサブグループ間でのパフォーマンスを測定することを目的としている。非常に小さなサブグループであっても,信頼性の高いシステム性能推定値が得られることを示す。
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 [56.573905143954015]
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)
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)
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。