論文の概要: Super-klust: Another Way of Piecewise Linear Classification

• arxiv url: http://arxiv.org/abs/2102.01571v1
• Date: Tue, 2 Feb 2021 15:54:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-04 10:15:54.429336
• Title: Super-klust: Another Way of Piecewise Linear Classification
• Title（参考訳）: super-klust: 区分線形分類の別の方法
• Authors: Rahman Salim Zengin (1), Volkan Sezer (1) ((1) Istanbul Technical University)
• Abstract要約: Super-Klustアルゴリズムは、ラベル付きVoronoiテッセルレーションでデータをカバーし、その結果のテッセルレーションを分類に使用する。 実験結果によると、Super-klustアルゴリズムはSuper-kアルゴリズムと類似した性能特性を有する。
• 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: With our previous study, the Super-k algorithm, we have introduced a novel way of piecewise-linear classification. While working on the Super-k algorithm, we have found that there is a similar, and simpler way to explain for obtaining a piecewise-linear classifier based on Voronoi tessellations. Replacing the multidimensional voxelization and expectation-maximization stages of the algorithm with a distance-based clustering algorithm, preferably k-means, works as well as the prior approach. Since we are replacing the voxelization with the clustering, we have found it meaningful to name the modified algorithm, with respect to Super-k, as Supervised k Clusters or in short Super-klust. Similar to the Super-k algorithm, the Super-klust algorithm covers data with a labeled Voronoi tessellation, and uses resulting tessellation for classification. According to the experimental results, the Super-klust algorithm has similar performance characteristics with the Super-k algorithm.
• Abstract（参考訳）: これまでの研究であるSuper-kアルゴリズムでは,新しい一方向線形分類法が導入された。 super-kアルゴリズムに取り組んでいる間に、voronoi tessellation に基づいた分割線形分類器を得るための、同様の、より単純な方法があることが判明した。 アルゴリズムの多次元ボクセル化と期待最大化の段階を距離ベースのクラスタリングアルゴリズム(好ましくはk平均)に置き換えることは、以前のアプローチと同様に機能する。 ボキセル化をクラスタリングに置き換えているので、Supervised k Clusters や short Super-klust として、Super-k に関して修正アルゴリズムを名付けることに意義があることがわかりました。 Super-kアルゴリズムと同様に、Super-klustアルゴリズムはVoronoi Tessellationというラベル付きデータをカバーし、その結果を分類するためにtessellationを使用する。 実験結果によると、super-klustアルゴリズムはsuper-kアルゴリズムと同様の性能特性を持つ。

関連論文リスト

• Fixed-Budget Real-Valued Combinatorial Pure Exploration of Multi-Armed Bandit [65.268245109828]
  このアルゴリズムは,アクションクラスのサイズが指数関数的に大きい場合でも,最良のアクションを識別できる最初のアルゴリズムである。 CSAアルゴリズムの誤差確率の上限は指数の対数係数までの下界と一致することを示す。 提案手法を従来手法と実験的に比較し,アルゴリズムの性能が向上したことを示す。
  論文  参考訳（メタデータ） (2023-10-24T09:47:32Z)
• Rethinking k-means from manifold learning perspective [122.38667613245151]
  平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。 具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。 異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
  論文  参考訳（メタデータ） (2023-05-12T03:01:41Z)
• Unsupervised Machine Learning to Classify the Confinement of Waves in Periodic Superstructures [0.0]
  我々は教師なし機械学習を用いて、最近提示した波動閉じ込め解析のスケーリング手法の精度を向上させる。 我々は、標準のk-means++アルゴリズムと、独自のモデルベースアルゴリズムを採用する。 クラスタリング手法はより物理的に意味のある結果をもたらすが、正しい閉じ込め次元の集合を特定するのに苦労する可能性がある。
  論文  参考訳（メタデータ） (2023-04-24T08:22:01Z)
• Differentially-Private Hierarchical Clustering with Provable Approximation Guarantees [79.59010418610625]
  階層クラスタリングのための微分プライベート近似アルゴリズムについて検討する。 例えば、$epsilon$-DPアルゴリズムは入力データセットに対して$O(|V|2/epsilon)$-additiveエラーを示さなければならない。 本稿では,ブロックを正確に復元する1+o(1)$近似アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-31T19:14:30Z)
• An enhanced method of initial cluster center selection for K-means algorithm [0.0]
  K-meansアルゴリズムの初期クラスタ選択を改善するための新しい手法を提案する。 Convex Hullアルゴリズムは、最初の2つのセントロイドの計算を容易にし、残りの2つは、以前選択された中心からの距離に応じて選択される。 We obtained only 7.33%, 7.90%, and 0% clustering error in Iris, Letter, and Ruspini data。
  論文  参考訳（メタデータ） (2022-10-18T00:58:50Z)
• A Dynamical Systems Algorithm for Clustering in Hyperspectral Imagery [0.18374319565577152]
  ハイパースペクトル画像におけるクラスタリングのための新しい動的システムアルゴリズムを提案する。 このアルゴリズムの主な考え方は、密度を増加させる方向に「データポイントが押される」ことであり、同じ密度の領域に終わるピクセル群は同じクラスに属する。 本手法は, 既定素材のクラスを基礎事実として, k-means アルゴリズムと性能を比較した都市景観におけるアルゴリズムの評価を行う。
  論文  参考訳（メタデータ） (2022-07-21T17:31:57Z)
• Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
  オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。 SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。 本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。 ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
  論文  参考訳（メタデータ） (2021-09-13T18:10:52Z)
• Super-k: A Piecewise Linear Classifier Based on Voronoi Tessellations [0.0]
  ボロノイテッセルレーションはユークリッド空間を多面体領域に分割するために用いられ、これはボロノイ細胞と呼ばれる。 我々は,トレーニングデータを多面体領域に分割するラベル付きボロノイテッセルレーションを生成するアルゴリズムを開発した。 Super-kアルゴリズムは、競合他社よりも少なくとも100倍速い。
  論文  参考訳（メタデータ） (2020-12-31T08:06:29Z)
• Clustering of Big Data with Mixed Features [3.3504365823045044]
  我々は混合型の大規模データのための新しいクラスタリングアルゴリズムを開発した。 このアルゴリズムは、比較的低い密度値の外れ値とクラスターを検出することができる。 本研究では,本アルゴリズムが実際に有効であることを示す実験結果を示す。
  論文  参考訳（メタデータ） (2020-11-11T19:54:38Z)
• Multi-View Spectral Clustering with High-Order Optimal Neighborhood Laplacian Matrix [57.11971786407279]
  マルチビュースペクトルクラスタリングは、データ間の固有のクラスタ構造を効果的に明らかにすることができる。 本稿では,高次最適近傍ラプラシア行列を学習するマルチビュースペクトルクラスタリングアルゴリズムを提案する。 提案アルゴリズムは, 1次ベースと高次ベースの両方の線形結合の近傍を探索し, 最適ラプラシア行列を生成する。
  論文  参考訳（メタデータ） (2020-08-31T12:28:40Z)
• Differentially Private Clustering: Tight Approximation Ratios [57.89473217052714]
  基本的なクラスタリング問題に対して,効率的な微分プライベートアルゴリズムを提案する。 この結果から,SampleとAggregateのプライバシーフレームワークのアルゴリズムの改善が示唆された。 1-Clusterアルゴリズムで使用されるツールの1つは、ClosestPairのより高速な量子アルゴリズムを適度な次元で得るために利用できる。
  論文  参考訳（メタデータ） (2020-08-18T16:22:06Z)

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。