論文の概要: iCVI-ARTMAP: Accelerating and improving clustering using adaptive resonance theory predictive mapping and incremental cluster validity indices

• arxiv url: http://arxiv.org/abs/2008.09903v1
• Date: Sat, 22 Aug 2020 19:37:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-26 07:38:56.447919
• Title: iCVI-ARTMAP: Accelerating and improving clustering using adaptive resonance theory predictive mapping and incremental cluster validity indices
• Title（参考訳）: icvi-artmap:adaptive resonance theory prediction mappingとインクリメンタルクラスタ妥当性指標を用いたクラスタリングの高速化と改善
• Authors: Leonardo Enzo Brito da Silva and Nagasharath Rayapati and Donald C. Wunsch II
• Abstract要約: iCVI-ARTMAPは、インクリメンタルクラスタ妥当性指標(iCVI)を使用して教師なし学習を行う。 バッチCVI計算を使用する場合よりも、最大2桁の実行時間を実現することができる。
• 参考スコア（独自算出の注目度）: 1.160208922584163
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents an adaptive resonance theory predictive mapping (ARTMAP) model which uses incremental cluster validity indices (iCVIs) to perform unsupervised learning, namely iCVI-ARTMAP. Incorporating iCVIs to the decision-making and many-to-one mapping capabilities of ARTMAP can improve the choices of clusters to which samples are incrementally assigned. These improvements are accomplished by intelligently performing the operations of swapping sample assignments between clusters, splitting and merging clusters, and caching the values of variables when iCVI values need to be recomputed. Using recursive formulations enables iCVI-ARTMAP to considerably reduce the computational burden associated with cluster validity index (CVI)-based offline clustering. Depending on the iCVI and the data set, it can achieve running times up to two orders of magnitude shorter than when using batch CVI computations. In this work, the incremental versions of Calinski-Harabasz, WB-index, Xie-Beni, Davies-Bouldin, Pakhira-Bandyopadhyay-Maulik, and negentropy increment were integrated into fuzzy ARTMAP. Experimental results show that, with proper choice of iCVI, iCVI-ARTMAP outperformed fuzzy adaptive resonance theory (ART), dual vigilance fuzzy ART, kmeans, spectral clustering, Gaussian mixture models and hierarchical agglomerative clustering algorithms in most of the synthetic benchmark data sets. It also performed competitively on real world image benchmark data sets when clustering on projections and on latent spaces generated by a deep clustering model. Naturally, the performance of iCVI-ARTMAP is subject to the selected iCVI and its suitability to the data at hand; fortunately, it is a general model wherein other iCVIs can be easily embedded.
• Abstract（参考訳）: 本稿では,段階的クラスタ妥当性指標(iCVI)を用いて教師なし学習(iCVI-ARTMAP)を行う適応共振理論予測写像(ARTMAP)モデルを提案する。 ARTMAPの意思決定と多対一マッピング機能にiCVIを組み込むことで、サンプルを段階的に割り当てるクラスタの選択を改善することができる。 これらの改善は、クラスタ間でサンプル割り当てを交換する操作をインテリジェントに実行し、クラスタを分割し、マージし、iCVI値を再計算する必要がある変数の値をキャッシュすることで達成される。 再帰的定式化を用いることで、iCVI-ARTMAPはクラスタ妥当性指数(CVI)ベースのオフラインクラスタリングに関連する計算負担を大幅に削減できる。 iCVIとデータセットによって、バッチCVI計算を使用する場合よりも最大2桁の実行時間を短縮することができる。 本研究では,Calinski-Harabasz,WB-index,Xie-Beni,Davies-Bouldin,Pakhira-Bandyopadhyay-Maulik,NegentropyインクリメントのインクリメンタルバージョンをARTMAPに統合した。 実験の結果,icviを適切に選択することで,icvi-artmapは合成ベンチマークデータセットのほとんどにおいて,ファジィ・アダプティブ・共振理論(art),デュアル・ビジレンス・ファジィ・アート,kmeans,スペクトルクラスタリング,ガウス混合モデル,階層的凝集クラスタリングアルゴリズムよりも優れていることがわかった。 また、プロジェクション上のクラスタリングや、深層クラスタリングモデルによって生成された潜在空間において、実世界の画像ベンチマークデータセットで競合的に実行した。 当然、iCVI-ARTMAPの性能は選択されたiCVIと手前のデータに適合するが、幸運なことに、他のiCVIを簡単に埋め込み可能な汎用モデルである。

関連論文リスト

• VICatMix: variational Bayesian clustering and variable selection for discrete biomedical data [0.0]
  分類データのクラスタリング用に設計された変分ベイズ有限混合モデルであるVICatMixを提案する。 提案モデルでは, 近似とモデル平均化を用いて, VIにおける局所最適性の低下を緩和し, クラスタ数の真の推定を改良する。 我々は、異なるオミクスデータセットを用いた統合クラスタ分析におけるVICatMixの有用性を実証し、新しいサブタイプの発見を可能にする。
  論文  参考訳（メタデータ） (2024-06-23T21:45:04Z)
• MOKD: Cross-domain Finetuning for Few-shot Classification via Maximizing Optimized Kernel Dependence [97.93517982908007]
  NCCは、ドメイン間数ショットの分類において、少数ショットの分類が可能なメートル法空間を構築するために表現を学ぶことを目的としている。 本稿では,異なるクラスから得られた2つの標本の NCC 学習表現に高い類似性があることを見出した。 ラベル付きデータによって示されるクラスタ構造にマッチするクラス固有の表現の集合を学習するために、最適化されたカーネル依存(MOKD)を最大化する二段階最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-29T05:59:52Z)
• Incremental cluster validity index-guided online learning for performance and robustness to presentation order [1.7403133838762446]
  この研究は、教師なしおよび半教師なしオンライン学習にiCVIを用いた最初のアダプティブ共振理論(ART)に基づくモデルを導入する。 また、初めてiCVIを使用して、iCVIベースのマッチトラッキング機構を介してART警戒を制御する方法も示している。 このモデルは、オンラインiCVIフレームワークをトポロジカル適応共振理論予測写像(TopoARTMAP)のモジュールBとして統合することにより、注文効果の精度と堅牢性を向上させる。
  論文  参考訳（メタデータ） (2021-08-17T16:24:25Z)
• Effective and Efficient Graph Learning for Multi-view Clustering [173.8313827799077]
  マルチビュークラスタリングのための効率的かつ効率的なグラフ学習モデルを提案する。 本手法はテンソルシャッテンp-ノルムの最小化により異なるビューのグラフ間のビュー類似性を利用する。 提案アルゴリズムは時間経済であり,安定した結果を得るとともに,データサイズによく対応している。
  論文  参考訳（メタデータ） (2021-08-15T13:14:28Z)
• A Distance-based Separability Measure for Internal Cluster Validation [0.0]
  内部クラスタ妥当性指標(CVI)は、教師なし学習におけるクラスタリング結果を評価するために用いられる。 データ分離可能性尺度に基づく距離ベース分離可能性指数(DSI)を提案する。 結果は、DSIが他の比較CVIと比較して効果的で、ユニークで、競争力のあるCVIであることを示している。
  論文  参考訳（メタデータ） (2021-06-17T20:19:50Z)
• Graph Contrastive Clustering [131.67881457114316]
  本稿では,クラスタリングタスクに適用可能な新しいグラフコントラスト学習フレームワークを提案し,gcc(graph constrastive clustering)法を考案した。 特に、グラフラプラシアンに基づくコントラスト損失は、より識別的かつクラスタリングフレンドリーな特徴を学ぶために提案されている。 一方で、よりコンパクトなクラスタリング割り当てを学ぶために、グラフベースのコントラスト学習戦略が提案されている。
  論文  参考訳（メタデータ） (2021-04-03T15:32:49Z)
• Contrastive Clustering [57.71729650297379]
  本稿では,インスタンスレベルのコントラスト学習を明示的に行うContrastive Clustering (CC)を提案する。 特にCCは、CIFAR-10(CIFAR-100)データセット上で0.705(0.431)のNMIを達成しており、最高のベースラインと比較して最大19%(39%)のパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2020-09-21T08:54:40Z)
• An Internal Cluster Validity Index Using a Distance-based Separability Measure [0.0]
  典型的な教師なし学習では、クラスタリングのための真のクラスラベルはありません。 すべてのデータセットを測定するために使用できる普遍的なCVIは存在しない。 我々はDSI(Distance-based Separability Index)と呼ばれる新しいCVIを提案する。
  論文  参考訳（メタデータ） (2020-09-02T20:20:29Z)
• ConiVAT: Cluster Tendency Assessment and Clustering with Partial Background Knowledge [11.600065064765325]
  ConiVATは制約ベースのiVATで、制約の形でバックグラウンド知識を利用する。 本研究では,9つのデータセット上での視覚的アセスメントと単一リンククラスタリングに対するConiVATアプローチを実証する。
  論文  参考訳（メタデータ） (2020-08-21T16:30:31Z)
• New advances in enumerative biclustering algorithms with online partitioning [80.22629846165306]
  さらに、数値データセットの列に定数値を持つ最大二クラスタの効率的で完全で正しい非冗長列挙を実現できる二クラスタリングアルゴリズムであるRIn-Close_CVCを拡張した。 改良されたアルゴリズムはRIn-Close_CVC3と呼ばれ、RIn-Close_CVCの魅力的な特性を保ちます。
  論文  参考訳（メタデータ） (2020-03-07T14:54:26Z)
• 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。

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。