Fugu-MT 論文翻訳(概要): A Fixed point view: A Model-Based Clustering Framework

論文の概要: A Fixed point view: A Model-Based Clustering Framework

arxiv url: http://arxiv.org/abs/2002.08032v1
Date: Wed, 19 Feb 2020 07:06:47 GMT
ステータス: 処理完了
システム内更新日: 2022-12-30 12:42:15.542185
Title: A Fixed point view: A Model-Based Clustering Framework
Title（参考訳）: 固定ポイントビュー:モデルベースのクラスタリングフレームワーク
Authors: Jianhao Ding, Lansheng Han
Abstract要約: 本稿では,モデルに基づくクラスタリングについて再検討し,統一クラスタリングフレームワークを提案する。固定点をクラスタ中心として見つけるために、フレームワークは反復的に縮尺マップを構築する。固定ポイントフレームワークが将来のクラスタリングアルゴリズムの設計に役立つことを期待しています。
参考スコア（独自算出の注目度）: 1.713291434132985
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: With the inflation of the data, clustering analysis, as a branch of unsupervised learning, lacks unified understanding and application of its mathematical law. Based on the view of fixed point, this paper restates the model-based clustering and proposes a unified clustering framework. In order to find fixed points as cluster centers, the framework iteratively constructs the contraction map, which strongly reveals the convergence mechanism and interconnections among algorithms. By specifying a contraction map, Gaussian mixture model (GMM) can be mapped to the framework as an application. We hope the fixed point framework will help the design of future clustering algorithms.
Abstract（参考訳）: データのインフレーションにより、教師なし学習の分野としてのクラスタリング分析は、数学的法則の統一された理解と応用を欠いている。本稿では,固定点の観点からモデルベースのクラスタリングを再現し,統一クラスタリングフレームワークを提案する。固定点をクラスタ中心として見つけるために、このフレームワークは反復的に縮約写像を構築し、アルゴリズム間の収束機構と相互接続を強く示す。収縮マップを指定することで、Gaussian Mixed Model(GMM)をフレームワークにアプリケーションとしてマッピングすることができる。固定ポイントフレームワークが将来のクラスタリングアルゴリズムの設計に役立つことを期待しています。

関連論文リスト

Self-Supervised Graph Embedding Clustering [70.36328717683297]
K-means 1-step dimensionality reduction clustering method は,クラスタリングタスクにおける次元性の呪いに対処する上で,いくつかの進歩をもたらした。本稿では,K-meansに多様体学習を統合する統一フレームワークを提案する。
論文参考訳（メタデータ） (2024-09-24T08:59:51Z)
Maximum Likelihood Estimation on Stochastic Blockmodels for Directed Graph Clustering [22.421702511126373]
我々は、有向ブロックモデルにおいて、基盤となるコミュニティを推定するものとしてクラスタリングを定式化する。本稿では,2つの効率的かつ解釈可能な有向クラスタリングアルゴリズム,スペクトルクラスタリングアルゴリズム,半定値プログラミングに基づくクラスタリングアルゴリズムを紹介する。
論文参考訳（メタデータ） (2024-03-28T15:47:13Z)
Reinforcement Graph Clustering with Unknown Cluster Number [91.4861135742095]
本稿では,Reinforcement Graph Clusteringと呼ばれる新しいディープグラフクラスタリング手法を提案する。提案手法では,クラスタ数決定と教師なし表現学習を統一的なフレームワークに統合する。フィードバック動作を行うために、クラスタリング指向の報酬関数を提案し、同一クラスタの凝集を高め、異なるクラスタを分離する。
論文参考訳（メタデータ） (2023-08-13T18:12:28Z)
Instance-Optimal Cluster Recovery in the Labeled Stochastic Block Model [79.46465138631592]
観測されたラベルを用いてクラスタを復元する効率的なアルゴリズムを考案する。本稿では,期待値と高い確率でこれらの下位境界との性能を一致させる最初のアルゴリズムであるIACを提案する。
論文参考訳（メタデータ） (2023-06-18T08:46:06Z)
A Generalized Framework for Predictive Clustering and Optimization [18.06697544912383]
クラスタリングは強力で広く使われているデータサイエンスツールです。本稿では,予測クラスタリングのための一般化最適化フレームワークを定義する。また,大域的最適化のためにMILP(mixed-integer linear programming)を利用する共同最適化手法を提案する。
論文参考訳（メタデータ） (2023-05-07T19:56:51Z)
flow-based clustering and spectral clustering: a comparison [0.688204255655161]
本研究では,本質的なネットワーク構造を持つデータに対する新しいグラフクラスタリング手法を提案する。我々は、ユークリッド特徴ベクトルを構築するために、データ固有のネットワーク構造を利用する。以上の結果から,クラスタリング手法が特定のグラフ構造に対処できることが示唆された。
論文参考訳（メタデータ） (2022-06-20T21:49:52Z)
Skew-Symmetric Adjacency Matrices for Clustering Directed Graphs [5.301300942803395]
カットベースの有向グラフ(グラフ)クラスタリングは、しばしばクラスタ内あるいはクラスタ間の疎結合を見つけることに焦点を当てる。フローベースのクラスタリングでは、クラスタ間のエッジは一方向を向く傾向にあり、マイグレーションデータ、フードウェブ、トレーディングデータに見出されている。
論文参考訳（メタデータ） (2022-03-02T20:07:04Z)
Gradient Based Clustering [72.15857783681658]
本稿では,クラスタリングの品質を計測するコスト関数の勾配を用いて,距離に基づくクラスタリングの一般的な手法を提案する。アプローチは反復的な2段階の手順(クラスタ割り当てとクラスタセンターのアップデートの代替)であり、幅広い機能に適用できる。
論文参考訳（メタデータ） (2022-02-01T19:31:15Z)
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)
Structured Graph Learning for Clustering and Semi-supervised Classification [74.35376212789132]
データの局所構造とグローバル構造の両方を保存するためのグラフ学習フレームワークを提案する。本手法は, サンプルの自己表現性を利用して, 局所構造を尊重するために, 大域的構造と適応的隣接アプローチを捉える。我々のモデルは、ある条件下でのカーネルk平均法とk平均法の組合せと等価である。
論文参考訳（メタデータ） (2020-08-31T08:41:20Z)
Clustering with Tangles: Algorithmic Framework and Theoretical Guarantees [10.992467680364962]
本稿では,機械学習応用におけるトライアングルの実用可能性を示す。任意のデータセットのカットの集合が与えられたとき、トライアングルはこれらのカットを密集構造の方向を指し示すために集約する。タングルを用いたクラスタリングのためのアルゴリズムフレームワークを構築し、様々な設定で理論的保証を証明し、広範囲なシミュレーションとユースケースを提供する。
論文参考訳（メタデータ） (2020-06-25T14:23:56Z)

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。