Fugu-MT 論文翻訳(概要): Flattening Multiparameter Hierarchical Clustering Functors

論文の概要: Flattening Multiparameter Hierarchical Clustering Functors

arxiv url: http://arxiv.org/abs/2104.14734v1
Date: Fri, 30 Apr 2021 03:10:20 GMT
ステータス: 処理完了
システム内更新日: 2021-05-03 13:51:37.033261
Title: Flattening Multiparameter Hierarchical Clustering Functors
Title（参考訳）: フラット化多パラメータ階層クラスタリングファクタ
Authors: Dan Shiebler
Abstract要約: マルチパラメータ階層クラスタリングのフラット化手法を提案する。次に,データからクラスタリングパラメータを学習するためのベイズ更新アルゴリズムを提案する。このアルゴリズムの平坦化手順による構成が整合性を満たすことを実証する。
参考スコア（独自算出の注目度）: 1.52292571922932
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We bring together topological data analysis, applied category theory, and machine learning to study multiparameter hierarchical clustering. We begin by introducing a procedure for flattening multiparameter hierarchical clusterings. We demonstrate that this procedure is a functor from a category of multiparameter hierarchical partitions to a category of binary integer programs. We also include empirical results demonstrating its effectiveness. Next, we introduce a Bayesian update algorithm for learning clustering parameters from data. We demonstrate that the composition of this algorithm with our flattening procedure satisfies a consistency property.
Abstract（参考訳）: 我々は,マルチパラメータ階層クラスタリングを研究するために,トポロジカルデータ解析,応用カテゴリ理論,機械学習を組み合わせる。まず,マルチパラメータ階層クラスタリングのフラット化手順を導入する。この手順は、マルチパラメータ階層分割のカテゴリからバイナリ整数プログラムのカテゴリへの関手であることを実証する。また,その効果を示す実験結果も含む。次に,データからクラスタリングパラメータを学習するためのベイズ更新アルゴリズムを提案する。このアルゴリズムの平坦化手順による構成が整合性を満たすことを実証する。

関連論文リスト

Generating Hierarchical Structures for Improved Time Series Classification Using Stochastic Splitting Functions [0.0]
本研究では,階層分類(HC)による多クラスデータセットの分類性能を高めるために,分割関数(SSF)を用いた新しい階層分割クラスタリング手法を提案する。この方法は、明示的な情報を必要とせずに階層を生成するユニークな能力を持ち、階層の事前の知識を欠いたデータセットに適している。
論文参考訳（メタデータ） (2023-09-21T10:34:50Z)
Instance-Optimal Cluster Recovery in the Labeled Stochastic Block Model [79.46465138631592]
観測されたラベルを用いてクラスタを復元する効率的なアルゴリズムを考案する。本稿では,期待値と高い確率でこれらの下位境界との性能を一致させる最初のアルゴリズムであるIACを提案する。
論文参考訳（メタデータ） (2023-06-18T08:46:06Z)
Unified Multi-View Orthonormal Non-Negative Graph Based Clustering Framework [74.25493157757943]
我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
論文参考訳（メタデータ） (2022-11-03T08:18:27Z)
Natural Hierarchical Cluster Analysis by Nearest Neighbors with Near-Linear Time Complexity [0.0]
そこで本研究では,クラスタの自然な階層化を実現する,近接クラスタリングアルゴリズムを提案する。集約的および分割的階層的クラスタリングアルゴリズムとは対照的に,我々のアプローチはアルゴリズムの反復的な動作に依存しない。
論文参考訳（メタデータ） (2022-03-15T16:03:42Z)
Fast and explainable clustering based on sorting [0.0]
我々はCLASSIXと呼ばれる高速で説明可能なクラスタリング手法を提案する。このアルゴリズムは2つのスカラーパラメータ、すなわちアグリゲーションのための距離パラメータと、最小クラスタサイズを制御する別のパラメータによって制御される。実験により, CLASSIXは最先端クラスタリングアルゴリズムと競合することを示した。
論文参考訳（メタデータ） (2022-02-03T08:24:21Z)
Scalable Hierarchical Agglomerative Clustering [65.66407726145619]
既存のスケーラブルな階層的クラスタリング手法は、スピードの質を犠牲にする。我々は、品質を犠牲にせず、数十億のデータポイントまでスケールする、スケーラブルで集約的な階層的クラスタリング法を提案する。
論文参考訳（メタデータ） (2020-10-22T15:58:35Z)
Stable and consistent density-based clustering via multiparameter persistence [77.34726150561087]
トポロジカルデータ解析による次数-リップス構成について考察する。我々は,入力データの摂動に対する安定性を,通信間距離を用いて解析する。私たちはこれらのメソッドを、Persistableと呼ばれる密度ベースのクラスタリングのためのパイプラインに統合します。
論文参考訳（メタデータ） (2020-05-18T19:45:04Z)
Hierarchical Correlation Clustering and Tree Preserving Embedding [3.821323038670061]
本稿では,よく知られた相関クラスタリングを拡張する階層的相関クラスタリング手法を提案する。本稿では,このような階層的相関クラスタリングを用いた教師なし表現学習について検討する。
論文参考訳（メタデータ） (2020-02-18T17:44:25Z)
Conjoined Dirichlet Process [63.89763375457853]
我々はディリクレ過程に基づく新しい非パラメトリック確率的ビクラスタリング法を開発し、列と列の双方に強い共起を持つビクラスタを同定する。本手法はテキストマイニングと遺伝子発現解析の2つの異なる応用に適用し,既存の手法に比べて多くの設定でビクラスタ抽出を改善することを示す。
論文参考訳（メタデータ） (2020-02-08T19:41:23Z)
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。