Fugu-MT 論文翻訳(概要): Guarantees for Hierarchical Clustering by the Sublevel Set method

論文の概要: Guarantees for Hierarchical Clustering by the Sublevel Set method

arxiv url: http://arxiv.org/abs/2006.10274v2
Date: Mon, 6 Jul 2020 03:41:22 GMT
ステータス: 処理完了
システム内更新日: 2022-11-19 12:42:48.660544
Title: Guarantees for Hierarchical Clustering by the Sublevel Set method
Title（参考訳）: サブレベル集合法による階層的クラスタリングの保証
Authors: Marina Meila
Abstract要約: MeilaはSublevel Setメソッドと呼ばれる最適化ベースのメソッドを導入した。本稿では,Dasgupta が提案するコストベース階層クラスタリングパラダイムに,サブレベルセット法を拡張した。
参考スコア（独自算出の注目度）: 5.837881923712393
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Meila (2018) introduces an optimization based method called the Sublevel Set method, to guarantee that a clustering is nearly optimal and "approximately correct" without relying on any assumptions about the distribution that generated the data. This paper extends the Sublevel Set method to the cost-based hierarchical clustering paradigm proposed by Dasgupta (2016).
Abstract（参考訳）: meila (2018) はサブレベルセット法と呼ばれる最適化ベースの手法を導入し、クラスタリングがデータを生成する分散に関する仮定に頼らずにほぼ最適で「ほぼ正しい」ことを保証した。本稿では,dasgupta (2016) が提案するコストベースの階層的クラスタリングパラダイムにサブレベル集合法を拡張する。

関連論文リスト

A Bayesian Approach to Clustering via the Proper Bayesian Bootstrap: the Bayesian Bagged Clustering (BBC) algorithm [0.0]
本稿では,クラスタリング分野における教師なし手法の新たなアプローチを提案する。ベイジアンブートストラップを用いた既存文献モデルを改良し,ロバスト性や解釈性の観点から結果を改善する手法が提案されている。
論文参考訳（メタデータ） (2024-09-13T16:14:54Z)
A parallelizable model-based approach for marginal and multivariate clustering [0.0]
本稿では,モデルに基づくクラスタリングの頑健さを生かしたクラスタリング手法を提案する。我々は、各マージンごとに異なる数のクラスタを持つことができる有限混合モデルを指定することで、この問題に対処する。提案手法は、完全な(結合した)モデルベースのクラスタリング手法よりも、中程度から高次元の処理に適するだけでなく、計算的にも魅力的である。
論文参考訳（メタデータ） (2022-12-07T23:54:41Z)
A One-shot Framework for Distributed Clustered Learning in Heterogeneous Environments [54.172993875654015]
異種環境における分散学習のためのコミュニケーション効率化手法のファミリーを提案する。ユーザによるローカル計算に基づくワンショットアプローチと、サーバにおけるクラスタリングベースのアグリゲーションステップは、強力な学習保証を提供する。厳密な凸問題に対しては,ユーザ毎のデータ点数がしきい値を超える限り,提案手法はサンプルサイズの観点から順序最適平均二乗誤差率を達成する。
論文参考訳（メタデータ） (2022-09-22T09:04:10Z)
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)
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)
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)
Ellipsoidal Subspace Support Vector Data Description [98.67884574313292]
一クラス分類に最適化された低次元空間にデータを変換する新しい手法を提案する。提案手法の線形および非線形の定式化について述べる。提案手法は,最近提案されたサブスペースサポートベクトルデータ記述よりもはるかに高速に収束する。
論文参考訳（メタデータ） (2020-03-20T21:31:03Z)
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。