論文の概要: Variational Wasserstein Barycenters for Geometric Clustering
- arxiv url: http://arxiv.org/abs/2002.10543v1
- Date: Mon, 24 Feb 2020 21:01:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-29 03:19:39.191210
- Title: Variational Wasserstein Barycenters for Geometric Clustering
- Title(参考訳): 幾何学的クラスタリングのための変分wasserstein barycenters
- Authors: Liang Mi, Tianshu Yu, Jose Bento, Wen Zhang, Baoxin Li, Yalin Wang
- Abstract要約: 本稿では,モンジュ写像を変分原理で解くことにより,WB(Wasserstein Barycenters)を計算することを提案する。
本稿では,WBの計量特性について論じ,その関係,特にK平均クラスタリングとコクラスタリングについて考察する。
- 参考スコア(独自算出の注目度): 28.098747990337632
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose to compute Wasserstein barycenters (WBs) by solving for Monge maps
with variational principle. We discuss the metric properties of WBs and explore
their connections, especially the connections of Monge WBs, to K-means
clustering and co-clustering. We also discuss the feasibility of Monge WBs on
unbalanced measures and spherical domains. We propose two new problems --
regularized K-means and Wasserstein barycenter compression. We demonstrate the
use of VWBs in solving these clustering-related problems.
- Abstract(参考訳): 本稿では,モンジュ写像を変分原理で解くことにより,WB(Wasserstein Barycenters)を計算することを提案する。
我々はWBsの計量特性について論じ、その関係、特にモンジュWBsのK平均クラスタリングとコクラスタリングについて考察する。
また,不均衡測度と球面領域に対するmonge wbの実現可能性についても論じる。
正規化K平均とWasserstein Barycenter圧縮という2つの新しい問題を提案する。
クラスタリングに関連する問題の解決にVWBを使うことを実証する。
関連論文リスト
- Estimating Barycenters of Distributions with Neural Optimal Transport [96.79562439021494]
本稿では,Wasserstein Barycenter問題を解くための新しいスケーラブルなアプローチを提案する。
我々の手法は最近のNeural OTソルバをベースとしている。
また,提案手法の理論的誤差境界も確立する。
論文 参考訳(メタデータ) (2024-02-06T09:17:07Z) - Computational Guarantees for Doubly Entropic Wasserstein Barycenters via
Damped Sinkhorn Iterations [0.0]
本稿では,2つの正規化ワッサースタイン・バリセンタの計算アルゴリズムを提案し,解析する。
近似モンテカルロサンプリングを用いて実装可能なアルゴリズムの不正確な変種は、最初の漸近収束保証を提供する。
論文 参考訳(メタデータ) (2023-07-25T09:42:31Z) - 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) - Variational Wasserstein Barycenters with c-Cyclical Monotonicity [17.26436842450489]
我々は,入力分布へのサンプルアクセスを前提とした,ワッサーシュタイン・バリセンタ問題に対する新しい連続近似法を開発した。
本手法の収束に関する理論的解析を行い, 後続アグリゲーションと合成データの実際の応用における実効性を実証する。
論文 参考訳(メタデータ) (2021-10-22T11:06:50Z) - Local versions of sum-of-norms clustering [77.34726150561087]
本手法はボールモデルにおいて任意に閉じた球を分離できることを示す。
我々は、不連結連結集合のクラスタリングで発生する誤差に定量的な有界性を証明した。
論文 参考訳(メタデータ) (2021-09-20T14:45:29Z) - Streaming computation of optimal weak transport barycenters [13.664682865991255]
我々は、弱いバリセンターとその古典的なWassersteinバリセンターとの関係の理論的分析を提供します。
任意の測度の有限あるいは無限の族に対して弱重心を計算するための反復アルゴリズムを提供する。
論文 参考訳(メタデータ) (2021-02-26T10:08:02Z) - (k, l)-Medians Clustering of Trajectories Using Continuous Dynamic Time
Warping [57.316437798033974]
本研究では,トラジェクトリの集中型クラスタリングの問題について考察する。
我々はDTWの連続バージョンを距離測定として使用することを提案し、これをCDTW(Continuous dynamic time warping)と呼ぶ。
一連の軌道から中心を計算し、その後反復的に改善する実践的な方法を示す。
論文 参考訳(メタデータ) (2020-12-01T13:17:27Z) - Continuous Regularized Wasserstein Barycenters [51.620781112674024]
正規化ワッサーシュタイン・バリセンタ問題に対する新しい双対定式化を導入する。
我々は、強い双対性を確立し、対応する主対関係を用いて、正規化された輸送問題の双対ポテンシャルを用いて暗黙的にバリセンターをパラメトリゼーションする。
論文 参考訳(メタデータ) (2020-08-28T08:28:06Z) - A Fixed point view: A Model-Based Clustering Framework [1.713291434132985]
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。
論文 参考訳(メタデータ) (2020-02-19T07:06:47Z) - Disentangled Representation Learning with Wasserstein Total Correlation [90.44329632061076]
本稿では,変分オートエンコーダとワッサースタインオートエンコーダの設定に総相関を導入し,非絡み付き潜在表現を学習する。
批評家は、ワッサーシュタインの総相関項を推定する主な目的と共に、敵対的に訓練される。
提案手法は, 再建能力の犠牲が小さく, 絡み合いに匹敵する性能を有することを示す。
論文 参考訳(メタデータ) (2019-12-30T05:31:28Z)
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。