Fugu-MT 論文翻訳(概要): Clustering of check-in sequences using the mixture Markov chain process

論文の概要: Clustering of check-in sequences using the mixture Markov chain process

arxiv url: http://arxiv.org/abs/2106.12039v1
Date: Wed, 16 Jun 2021 18:37:13 GMT
ステータス: 処理完了
システム内更新日: 2021-06-27 09:05:47.890014
Title: Clustering of check-in sequences using the mixture Markov chain process
Title（参考訳）: 混合マルコフ連鎖法によるチェックイン配列のクラスタリング
Authors: Elena Shmileva, Viktor Sarzhan
Abstract要約: 時間依存型データの数学的モデルとして,混合マルコフ連鎖法を用いる。クラスタリングでは、期待最大化(EM)アルゴリズムを調整した。
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: This work is devoted to the clustering of check-in sequences from a geosocial network. We used the mixture Markov chain process as a mathematical model for time-dependent types of data. For clustering, we adjusted the Expectation-Maximization (EM) algorithm. As a result, we obtained highly detailed communities (clusters) of users of the now defunct geosocial network, Weeplaces.
Abstract（参考訳）: 本研究は,ジオソーシャルネットワークからのチェックインシーケンスのクラスタリングに重点を置いている。我々はマルコフ連鎖過程を時間依存型データの数学的モデルとして用いた。クラスタリングでは、期待最大化(EM)アルゴリズムを調整した。その結果,現在廃絶している位置情報ネットワークweeplacesの利用者の詳細なコミュニティ(クラスタ)が得られた。

関連論文リスト

Dynamical mixture modeling with fast, automatic determination of Markov chains [0.0]
変動EMは、高価なモデル比較や後続サンプリングなしに、各チェーンのマルコフ連鎖の数と力学を効率的に同定する。この手法は、$tt Last.fm$音楽聴取、ウルトラマラソン実行、遺伝子発現に基づくシミュレーションおよび観測データセットを含む理論的解析と数値実験によって支持されている。
論文参考訳（メタデータ） (2024-06-07T05:43:11Z)
Reinforcement Graph Clustering with Unknown Cluster Number [91.4861135742095]
本稿では,Reinforcement Graph Clusteringと呼ばれる新しいディープグラフクラスタリング手法を提案する。提案手法では,クラスタ数決定と教師なし表現学習を統一的なフレームワークに統合する。フィードバック動作を行うために、クラスタリング指向の報酬関数を提案し、同一クラスタの凝集を高め、異なるクラスタを分離する。
論文参考訳（メタデータ） (2023-08-13T18:12:28Z)
K-ARMA Models for Clustering Time Series Data [4.345882429229813]
K-Meansアルゴリズムのモデルベース一般化を用いた時系列データのクラスタリング手法を提案する。クラスタリングアルゴリズムは,不確実な偏差基準を用いて,アウトレーヤに対して頑健にすることができることを示す。我々は,時系列クラスタリングタスクにおいて,本手法が既存の手法と競合することを示す実データ実験を行った。
論文参考訳（メタデータ） (2022-06-30T18:16:11Z)
Machine Learning for Genomic Data [0.0]
本報告では、短時間の遺伝子発現データに対する機械学習手法の適用について検討する。標準的な機械学習アルゴリズムは、より長い時系列でうまく機能するが、より少ない時間ポイントから意味のある洞察を見つけることができない。
論文参考訳（メタデータ） (2021-11-15T14:34:20Z)
Self-supervised Contrastive Attributed Graph Clustering [110.52694943592974]
我々は,自己教師型コントラストグラフクラスタリング(SCAGC)という,新たな属性グラフクラスタリングネットワークを提案する。 SCAGCでは,不正確なクラスタリングラベルを活用することで,ノード表現学習のための自己教師付きコントラスト損失を設計する。 OOSノードでは、SCAGCはクラスタリングラベルを直接計算できる。
論文参考訳（メタデータ） (2021-10-15T03:25:28Z)
Novel Features for Time Series Analysis: A Complex Networks Approach [62.997667081978825]
時系列データは、気候、経済、医療などいくつかの領域で広く使われている。最近の概念的アプローチは、複雑なネットワークへの時系列マッピングに依存している。ネットワーク分析は、異なるタイプの時系列を特徴付けるのに使うことができる。
論文参考訳（メタデータ） (2021-10-11T13:46:28Z)
Attention-driven Graph Clustering Network [49.040136530379094]
我々は、注意駆動グラフクラスタリングネットワーク(AGCN)という新しいディープクラスタリング手法を提案する。 AGCNは、ノード属性特徴とトポロジグラフ特徴を動的に融合するために、不均一な融合モジュールを利用する。 AGCNは、教師なしの方法で特徴学習とクラスタ割り当てを共同で行うことができる。
論文参考訳（メタデータ） (2021-08-12T02:30:38Z)
Learning Hierarchical Graph Neural Networks for Image Clustering [81.5841862489509]
本稿では,画像の集合を未知の個数にクラスタリングする方法を学ぶ階層型グラフニューラルネットワーク(GNN)モデルを提案する。我々の階層的なGNNは、階層の各レベルで予測される連結コンポーネントをマージして、次のレベルで新しいグラフを形成するために、新しいアプローチを用いています。
論文参考訳（メタデータ） (2021-07-03T01:28:42Z)
Kernel learning approaches for summarising and combining posterior similarity matrices [68.8204255655161]
我々は,ベイズクラスタリングモデルに対するMCMCアルゴリズムの出力を要約するための新しいアプローチを提案するために,後部類似性行列(PSM)の概念を構築した。我々の研究の重要な貢献は、PSMが正の半定値であり、したがって確率的に動機付けられたカーネル行列を定義するのに使用できることである。
論文参考訳（メタデータ） (2020-09-27T14:16:14Z)
Merge-split Markov chain Monte Carlo for community detection [0.0]
ネットワーク分割の後方分布から効率的にサンプリングできる群をマージおよび分割したマルコフ連鎖モンテカルロスキームを提案する。グループ間の単一ノードの移動に基づくスキームは,小ネットワーク上でも後方分布から正しくサンプリングできないことを示す。
論文参考訳（メタデータ） (2020-03-16T08:26:35Z)
Autoencoder-based time series clustering with energy applications [0.0]
時系列クラスタリングは、データの特定の性質のため、難しい作業である。本稿では,畳み込み型オートエンコーダとk-メノイドアルゴリズムの組み合わせによる時系列クラスタリングについて検討する。
論文参考訳（メタデータ） (2020-02-10T10:04:29Z)

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。