論文の概要: The Automatic Quasi-clique Merger algorithm (AQCM)

• arxiv url: http://arxiv.org/abs/2103.04186v1
• Date: Sat, 6 Mar 2021 20:01:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-09 15:15:32.709474
• Title: The Automatic Quasi-clique Merger algorithm (AQCM)
• Title（参考訳）: AQCM(Automatic Quasi-Clique Merger)アルゴリズム
• Authors: Scott Payne, Edgar Fuller, George Spirou, Cun-Quan Zhang
• Abstract要約: Automatic Quasi-Clique Mergerアルゴリズムは、QCMという名前で発表された初期の研究から適応された新しいアルゴリズムです。 本稿では,準斜晶凝集アプローチの一般的な考え方を示し,aqcmアルゴリズムの数学的ステップの詳細を述べるとともに,新しい手法の背景にある動機について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The Automatic Quasi-clique Merger algorithm is a new algorithm adapted from early work published under the name QCM (quasi-clique merger) [Ou2006, Ou2007, Zhao2011, Qi2014]. The AQCM algorithm performs hierarchical clustering in any data set for which there is an associated similarity measure quantifying the similarity of any data i and data j. Importantly, the method exhibits two valuable performance properties: 1) the ability to automatically return either a larger or smaller number of clusters depending on the inherent properties of the data rather than on a parameter 2) the ability to return a very large number of relatively small clusters automatically when such clusters are reasonably well defined in a data set. In this work we present the general idea of a quasi-clique agglomerative approach, provide the full details of the mathematical steps of the AQCM algorithm, and explain some of the motivation behind the new methodology. The main achievement of the new methodology is that the agglomerative process now unfolds adaptively according to the inherent structure unique to a given data set, and this happens without the time-costly parameter adjustment that drove the previous QCM algorithm. For this reason we call the new algorithm \emph{automatic}. We provide a demonstration of the algorithm's performance at the task of community detection in a social media network of 22,900 nodes.
• Abstract（参考訳）: Automatic Quasi-clique Merger アルゴリズムは、QCM (quasi-clique merger) (Ou2006, Ou2007, Zhao2011, Qi2014) という名前で初期の研究から適応された新しいアルゴリズムである。 AQCMアルゴリズムは、任意のデータiとデータjの類似度を定量化する関連する類似度尺度があるデータセットの階層的クラスタリングを実行する。 1 つの重要な性能特性を示す: 1) パラメータではなく、データ固有の性質によらず、大きなクラスタまたは小さなクラスタを自動で返却する能力、2 つのデータセットで適切に定義されているときに、非常に多数の比較的小さなクラスタを自動的に返却する能力。 本稿では,準斜晶凝集アプローチの一般的な考え方を提示し,aqcmアルゴリズムの数学的ステップの詳細な説明を行い,新しい手法の背後にある動機について述べる。 新しい手法の主な成果は、凝集過程が与えられたデータセット固有の構造に従って適応的に展開され、これは前回のQCMアルゴリズムを駆動する時間費用パラメータ調整なしで起こることである。 このため、新しいアルゴリズムを「emph{automatic}」と呼ぶ。 我々は,22,900ノードのソーシャルメディアネットワークにおいて,コミュニティ検出作業におけるアルゴリズムの性能の実証を行う。

関連論文リスト

• From Large to Small Datasets: Size Generalization for Clustering Algorithm Selection [12.993073967843292]
  我々は,未知の地下構造クラスタリングを用いて,半教師付き環境で問題を研究する。 本稿では,クラスタリングアルゴリズムの精度向上のためのサイズ一般化の概念を提案する。 データセット全体においてどのアルゴリズムが最適かを特定するために、データの5%をサブサンプルとして使用しています。
  論文  参考訳（メタデータ） (2024-02-22T06:53:35Z)
• Learning Hidden Markov Models Using Conditional Samples [72.20944611510198]
  本稿では,隠れマルコフモデル(HMM)の学習における計算複雑性について述べる。 本稿では,HMMの条件分布からサンプルを問合せする対話型アクセスモデルを提案する。 具体的には、正確な条件付き確率に対するクエリアクセスが可能な設定において、HMMを学習するための効率的なアルゴリズムを得る。
  論文  参考訳（メタデータ） (2023-02-28T16:53:41Z)
• NISQ-friendly measurement-based quantum clustering algorithms [0.7373617024876725]
  2つの新しい測定に基づく量子クラスタリングアルゴリズムが提案されている。 第1のアルゴリズムは分割的なアプローチに従っており、第2のアルゴリズムはアンシャープの測定に基づいている。 どちらのアルゴリズムも本質的に単純であり、実装が容易であり、ノイズの多い中間量子コンピュータに適している。
  論文  参考訳（メタデータ） (2023-02-01T16:38:27Z)
• A Metaheuristic Algorithm for Large Maximum Weight Independent Set Problems [58.348679046591265]
  ノード重み付きグラフが与えられたとき、ノード重みが最大となる独立した(相互に非隣接な)ノードの集合を見つける。 このアプリケーションで放送されるグラフの中には、数十万のノードと数億のエッジを持つ大きなものもあります。 我々は,不規則なランダム化適応検索フレームワークにおいてメタヒューリスティックな新しい局所探索アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2022-03-28T21:34:16Z)
• An Exact Algorithm for Semi-supervised Minimum Sum-of-Squares Clustering [0.5801044612920815]
  半教師付きMSSCのための分岐結合アルゴリズムを提案する。 背景知識はペアワイズ・マスタリンクと結びつかない制約として組み込まれている。 提案したグローバル最適化アルゴリズムは,実世界のインスタンスを最大800個のデータポイントまで効率的に解決する。
  論文  参考訳（メタデータ） (2021-11-30T17:08:53Z)
• DAAS: Differentiable Architecture and Augmentation Policy Search [107.53318939844422]
  この研究は、ニューラルネットワークとデータ拡張のカップリングの可能性を検討し、それらを共同で検索する効果的なアルゴリズムを提案する。 CIFAR-10では97.91%、ImageNetデータセットでは76.6%の精度で97.91%の精度を達成し、検索アルゴリズムの優れた性能を示している。
  論文  参考訳（メタデータ） (2021-09-30T17:15:17Z)
• Hierarchical Agglomerative Graph Clustering in Nearly-Linear Time [1.5644420658691407]
  エッジ重み付きグラフ上での階層的凝集クラスタリング(HAC)アルゴリズムについて検討する。 階層的な集合グラフクラスタリングのためのアルゴリズムフレームワークを定義する。 提案手法は,ポイントデータセットのクラスタリングを20.7～76.5倍の速度で高速化できることを示す。
  論文  参考訳（メタデータ） (2021-06-10T09:29:05Z)
• Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
  本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。 複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。 これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
  論文  参考訳（メタデータ） (2021-03-25T14:35:07Z)
• Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge Computing [113.52575069030192]
  セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。 通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。 分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。 分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
  論文  参考訳（メタデータ） (2020-10-02T10:41:59Z)
• Relational Algorithms for k-means Clustering [17.552485682328772]
  本稿では,関係アルゴリズムモデルにおいて効率的なk平均近似アルゴリズムを提案する。 実行時間は潜在的に$N$よりも小さくなり、リレーショナルデータベースが表すデータポイントの数はクラスタ化される。
  論文  参考訳（メタデータ） (2020-08-01T23:21:40Z)
• Optimal Clustering from Noisy Binary Feedback [75.17453757892152]
  本稿では,二元的ユーザフィードバックから一組のアイテムをクラスタリングする問題について検討する。 最小クラスタ回復誤差率のアルゴリズムを考案する。 適応選択のために,情報理論的誤差下界の導出にインスパイアされたアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2019-10-14T09:18:26Z)

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。