Fugu-MT 論文翻訳(概要): A self-adaptive and robust fission clustering algorithm via heat diffusion and maximal turning angle

論文の概要: A self-adaptive and robust fission clustering algorithm via heat diffusion and maximal turning angle

arxiv url: http://arxiv.org/abs/2102.03794v1
Date: Sun, 7 Feb 2021 13:16:47 GMT
ステータス: 処理完了
システム内更新日: 2021-02-11 10:06:09.609951
Title: A self-adaptive and robust fission clustering algorithm via heat diffusion and maximal turning angle
Title（参考訳）: 熱拡散と最大旋回角による自己適応的かつ堅牢な核分裂クラスタリングアルゴリズム
Authors: Yu Han, Shizhan Lu, Haiyan Xu
Abstract要約: 近年,新しい高速クラスタリングアルゴリズムであるフィッションクラスタリングアルゴリズムが提案されている。本稿では,ロバスト・フィッション・クラスタリング(RFC)アルゴリズムと自己適応型雑音識別手法を提案する。
参考スコア（独自算出の注目度）: 4.246818236277977
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Cluster analysis, which focuses on the grouping and categorization of similar elements, is widely used in various fields of research. A novel and fast clustering algorithm, fission clustering algorithm, is proposed in recent year. In this article, we propose a robust fission clustering (RFC) algorithm and a self-adaptive noise identification method. The RFC and the self-adaptive noise identification method are combine to propose a self-adaptive robust fission clustering (SARFC) algorithm. Several frequently-used datasets were applied to test the performance of the proposed clustering approach and to compare the results with those of other algorithms. The comprehensive comparisons indicate that the proposed method has advantages over other common methods.
Abstract（参考訳）: 類似要素の分類とグループ化に焦点を当てたクラスタ分析は、様々な研究分野で広く利用されている。近年、新規かつ高速なクラスタリングアルゴリズムである分裂クラスタリングアルゴリズムが提案されている。本稿では,ロバストなfission clustering (rfc)アルゴリズムと自己適応型雑音同定手法を提案する。 RFCと自己適応型雑音識別法を組み合わせて自己適応型堅牢核分裂クラスタリング(SARFC)アルゴリズムを提案する。提案したクラスタリング手法の性能を検証し,結果を他のアルゴリズムと比較するために,頻繁なデータセットを適用した。包括的比較は,提案手法が他の一般的な手法よりも優れていることを示している。

関連論文リスト

A Modular Spatial Clustering Algorithm with Noise Specification [0.0]
細菌ファームアルゴリズムは、閉じた実験農場の細菌の成長にインスパイアされている。他のクラスタリングアルゴリズムとは対照的に、我々のアルゴリズムはクラスタリング中に除外されるノイズの量を規定する機能も備えている。
論文参考訳（メタデータ） (2023-09-18T18:05:06Z)
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)
A Parameter-free Adaptive Resonance Theory-based Topological Clustering Algorithm Capable of Continual Learning [20.995946115633963]
本稿では,パラメータ推定手法を導入して連続学習が可能な,パラメータフリーのARTに基づく新しいトポロジクラスタリングアルゴリズムを提案する。合成および実世界のデータセットによる実験結果から,提案アルゴリズムはパラメータの事前特定なしに,最先端のクラスタリングアルゴリズムよりも優れたクラスタリング性能を有することが示された。
論文参考訳（メタデータ） (2023-05-01T01:04:07Z)
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)
Adaptive Resonance Theory-based Topological Clustering with a Divisive Hierarchical Structure Capable of Continual Learning [8.581682204722894]
本稿では、データポイントの分布から類似度閾値を自動的に推定する機構を備えたARTベースのトポロジカルクラスタリングアルゴリズムを提案する。情報抽出性能を向上させるために,連続学習が可能な分割階層クラスタリングアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-01-26T02:34:52Z)
Unsupervised Clustered Federated Learning in Complex Multi-source Acoustic Environments [75.8001929811943]
現実的で挑戦的なマルチソース・マルチルーム音響環境を導入する。本稿では,音響シーンの変動を考慮したクラスタリング制御手法を提案する。提案手法はクラスタリングに基づく測度を用いて最適化され,ネットワークワイド分類タスクによって検証される。
論文参考訳（メタデータ） (2021-06-07T14:51:39Z)
Fuzzy clustering algorithms with distance metric learning and entropy regularization [0.0]
本稿では,ユークリッド,シティブロック,マハラノビス距離とエントロピー正規化に基づくファジィクラスタリングアルゴリズムを提案する。合成および実データセットに関するいくつかの実験は、ノイズの多い画像テクスチャセグメンテーションへの応用を含む、これらの適応クラスタリング手法の有用性を実証している。
論文参考訳（メタデータ） (2021-02-18T18:19:04Z)
Determinantal consensus clustering [77.34726150561087]
本稿では,クラスタリングアルゴリズムのランダム再起動における決定点プロセス (DPP) の利用を提案する。 DPPは部分集合内の中心点の多様性を好んでいる。 DPPとは対照的に、この手法は多様性の確保と、すべてのデータフェースについて良好なカバレッジを得るために失敗することを示す。
論文参考訳（メタデータ） (2021-02-07T23:48:24Z)
On the Efficiency of K-Means Clustering: Evaluation, Optimization, and Algorithm Selection [20.900296096958446]
本稿では,高速k平均クラスタリングのためのロイドのアルゴリズムを高速化する既存の手法について,徹底的な評価を行う。 UniK内では、複数のデータセット上での複数のパフォーマンス指標を用いて、既存のメソッドの長所と短所を徹底的に評価する。我々は、より積極的な刈り取りのために複数の既存手法を効果的にハイブリダイズする、UniK上の最適化アルゴリズムを導出する。
論文参考訳（メタデータ） (2020-10-13T19:45:30Z)
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。