Fugu-MT 論文翻訳(概要): Changing Clusters of Indian States with respect to number of Cases of COVID-19 using incrementalKMN Method

論文の概要: Changing Clusters of Indian States with respect to number of Cases of COVID-19 using incrementalKMN Method

arxiv url: http://arxiv.org/abs/2007.05954v1
Date: Sun, 12 Jul 2020 10:27:38 GMT
ステータス: 処理完了
システム内更新日: 2022-11-11 06:15:12.484995
Title: Changing Clusters of Indian States with respect to number of Cases of COVID-19 using incrementalKMN Method
Title（参考訳）: インクリメンタルkmn法によるcovid-19感染者数からみたインド諸国のクラスター変化
Authors: Rabinder Kumar Prasad, Rosy Sarmah, Subrata Chakraborty
Abstract要約: 状態を5つのクラスタに分類し,リスクの低いカテゴリに分類する。 1回目以降、異なる状態が1つのクラスタからもう1つのクラスタへどのように移動したかを検討する。
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 novel Coronavirus (COVID-19) incidence in India is currently experiencing exponential rise but with apparent spatial variation in growth rate and doubling time rate. We classify the states into five clusters with low to the high-risk category and study how the different states moved from one cluster to the other since the onset of the first case on $30^{th}$ January 2020 till the end of unlock 1 that is $30^{th}$ June 2020. We have implemented a new clustering technique called the incrementalKMN (Prasad, R. K., Sarmah, R., Chakraborty, S.(2019))
Abstract（参考訳）: インドで新たに発生したコロナウイルス(COVID-19)は、現在指数関数的に上昇しているが、成長速度と倍率の空間的変化は明らかである。私たちは、ハイリスクカテゴリに低い5つのクラスタに分類し、2020年1月の30ドルから2020年6月の30ドルまで、それぞれの状態が1つのクラスタからもう1つのクラスタに移行したかを調べます。我々は、インクリメンタルKMN(Prasad, R. K., Sarmah, R., Chakraborty, S)と呼ばれる新しいクラスタリング手法を実装した。 (2019))

関連論文リスト

A Novel Sampled Clustering Algorithm for Rice Phenotypic Data [0.24578723416255746]
本研究では,初期のアルゴリズムをイネの群落に拡張する。本稿では、スペクトルクラスタリングにおける類似度行列を構築するための新しい関数を提案する。 Zelnik-Manor と Perona (2004) のアイデアに基づいて、行列要素によって異なる因子が用いられるようになった。
論文参考訳（メタデータ） (2023-12-22T18:53:02Z)
Upcycling Models under Domain and Category Shift [95.22147885947732]
グローバルかつ局所的なクラスタリング学習技術(GLC)を導入する。我々は、異なる対象クラス間での区別を実現するために、新しい1-vs-allグローバルクラスタリングアルゴリズムを設計する。注目すべきは、最も困難なオープンパーティルセットDAシナリオにおいて、GLCは、VisDAベンチマークでUMADを14.8%上回っていることである。
論文参考訳（メタデータ） (2023-03-13T13:44:04Z)
Class-incremental Novel Class Discovery [76.35226130521758]
クラス増進型新規クラス発見(class-iNCD)の課題について検討する。基本クラスに関する過去の情報を忘れないようにする,クラスiNCDのための新しい手法を提案する。 3つの共通ベンチマークで実施した実験により,本手法が最先端の手法を著しく上回ることを示した。
論文参考訳（メタデータ） (2022-07-18T13:49:27Z)
Implicit Sample Extension for Unsupervised Person Re-Identification [97.46045935897608]
クラスタリングは、時に異なる真のアイデンティティを混ぜ合わせたり、同じアイデンティティを2つ以上のサブクラスタに分割する。本稿では,クラスタ境界周辺のサポートサンプルを生成するために,Implicit Sample Extension (OurWholeMethod)法を提案する。提案手法の有効性を実証し,教師なしのRe-IDに対して最先端の性能を実現する。
論文参考訳（メタデータ） (2022-04-14T11:41:48Z)
Modeling the geospatial evolution of COVID-19 using spatio-temporal convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文参考訳（メタデータ） (2021-05-06T15:24:00Z)
Cluster Contrast for Unsupervised Person Re-Identification [38.6826925096453]
最新の非監視再IDメソッドは、メモリベースの非改善ソフトマックス損失を使用してニューラルネットワークを訓練します。トレーニング中、インスタンス機能ベクトルが更新される。クラスタのサイズが異なるため、各クラスタの更新進捗は一貫性がありません。本稿では,特徴ベクトルを格納し,クラスタレベルでのコントラスト損失を計算するクラスタコントラストを提案する。
論文参考訳（メタデータ） (2021-03-22T03:41:19Z)
KFC: A Scalable Approximation Algorithm for $k$-center Fair Clustering [6.09170287691728]
フェアクラスタリングの問題を$k-$centerの目的に基づいて検討する。公平なクラスタリングでは、入力は$N$ポイントであり、それぞれが$l$保護されたグループの少なくとも1つに属している。提案アルゴリズムは,過剰表現や低表現を伴わない優れたクラスタを見つけるのに有効である。
論文参考訳（メタデータ） (2020-10-26T23:33:34Z)
On Approximability of Clustering Problems Without Candidate Centers [17.24716331811351]
k-平均の目的は、計量空間におけるクラスタリングタスクをモデル化するための最も広く使われるコスト関数である。本稿では,これらの目的のために文献で知られている近似係数の硬さを大幅に改善する。その結果、連続的な設定におけるクラスタリング問題と離散的な設定におけるクラスタリング問題の違いについて、新しい、おそらく反直感的な光を当てた。
論文参考訳（メタデータ） (2020-09-30T20:05:46Z)
LSD-C: Linearly Separable Deep Clusters [145.89790963544314]
ラベルなしデータセットのクラスタを識別する新しい手法であるLSD-Cを提案する。本手法は,最近の半教師付き学習の実践からインスピレーションを得て,クラスタリングアルゴリズムと自己教師付き事前学習と強力なデータ拡張を組み合わせることを提案する。 CIFAR 10/100, STL 10, MNIST, および文書分類データセットReuters 10Kなど, 一般的な公開画像ベンチマークにおいて, 当社のアプローチが競合より大幅に優れていたことを示す。
論文参考訳（メタデータ） (2020-06-17T17:58:10Z)
Ball k-means [53.89505717006118]
Ball k-meansアルゴリズムは、ポイントセントロイド距離計算の削減に集中して、クラスタを記述するためにボールを使用する。高速、余分なパラメータなし、単純設計のボールk平均アルゴリズムは、素早いk平均アルゴリズムを全面的に置き換える。
論文参考訳（メタデータ） (2020-05-02T10:39:26Z)
Prediction of COVID-19 Disease Progression in India : Under the Effect of National Lockdown [0.0]
本研究では, 疫学SIRを用いて, 基本再生数を全国レベル, 州レベルで推定する。また,過去の事例を予測するための統計的機械学習モデルも開発した。
論文参考訳（メタデータ） (2020-04-07T06:35:41Z)

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。