Fugu-MT 論文翻訳(概要): Level Sets or Gradient Lines? A Unifying View of Modal Clustering

論文の概要: Level Sets or Gradient Lines? A Unifying View of Modal Clustering

arxiv url: http://arxiv.org/abs/2109.08362v1
Date: Fri, 17 Sep 2021 05:58:56 GMT
ステータス: 処理完了
システム内更新日: 2021-09-20 14:30:42.857143
Title: Level Sets or Gradient Lines? A Unifying View of Modal Clustering
Title（参考訳）: レベルセットかグラデーションラインか? モーダルクラスタリングの統一的視点
Authors: Ery Arias-Castro and Wanli Qiao
Abstract要約: 本稿は,1970年代に出現した2つの重要なクラスタリング手法,すなわちハルディガンが提唱したレベルセットやクラスタツリーによるクラスタリングと,福永とホステラーが提唱した勾配線や勾配流によるクラスタリングの2つの重要な対応性を確立するものである。
参考スコア（独自算出の注目度）: 8.147652597876863
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The paper establishes a strong correspondence, if not an equivalence, between two important clustering approaches that emerged in the 1970's: clustering by level sets or cluster tree as proposed by Hartigan and clustering by gradient lines or gradient flow as proposed by Fukunaga and Hosteler.
Abstract（参考訳）: 本稿は,1970年代に出現した2つの重要なクラスタリング手法と,ハルディガンが提唱したレベルセットやクラスタツリーによるクラスタリングと,福永とホステラーが提唱した勾配線や勾配流によるクラスタリングの2つの重要な対応性を確立する。

関連論文リスト

ABCDE: Application-Based Cluster Diff Evals [49.1574468325115]
それは実用性を目指しており、アイテムはアプリケーション固有の重要な値を持つことができ、クラスタリングがどちらが優れているかを判断するときに人間の判断を使うのは粗悪であり、アイテムの任意のスライスのためのメトリクスを報告できる。クラスタリング品質の差分を測定するアプローチは、高価な地平を前もって構築し、それに関して各クラスタリングを評価する代わりに、ABCDEはクラスタリング間の実際の差分に基づいて、判定のための質問をサンプリングする。
論文参考訳（メタデータ） (2024-07-31T08:29:35Z)
HeNCler: Node Clustering in Heterophilous Graphs through Learned Asymmetric Similarity [55.27586970082595]
HeNClerは、Heterophilous Node Clusteringの新しいアプローチである。 HeNClerは異種グラフコンテキストにおけるノードクラスタリングタスクの性能を大幅に向上させることを示す。
論文参考訳（メタデータ） (2024-05-27T11:04:05Z)
Constrained Hierarchical Clustering via Graph Coarsening and Optimal Cuts [1.5591858554014466]
単語を階層的にクラスタリングする問題について検討する。特に,水平および垂直構造制約によるクラスタリングの問題に着目する。提案手法は,既存のアルゴリズムと非常によく比較され,計算学的に軽量であることを示す。
論文参考訳（メタデータ） (2023-12-07T10:52:06Z)
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)
DeepCluE: Enhanced Image Clustering via Multi-layer Ensembles in Deep Neural Networks [53.88811980967342]
本稿では,Ensembles (DeepCluE) を用いたDeep Clusteringを提案する。ディープニューラルネットワークにおける複数のレイヤのパワーを活用することで、ディープクラスタリングとアンサンブルクラスタリングのギャップを埋める。 6つの画像データセットの実験結果から、最先端のディープクラスタリングアプローチに対するDeepCluEの利点が確認されている。
論文参考訳（メタデータ） (2022-06-01T09:51:38Z)
Clustering by Hill-Climbing: Consistency Results [6.726255259929498]
1970年代に福永, ホステトラーによって定式化された, 群集化への登山的アプローチについて考察した。連続空間と離散空間(すなわちメドイド)の両変種を研究し、それらの整合性を確立する。
論文参考訳（メタデータ） (2022-02-18T05:06:42Z)
An Asymptotic Equivalence between the Mean-Shift Algorithm and the Cluster Tree [8.147652597876863]
我々は、勾配流がクラスタツリーに沿って移動する方法を提供するという理論を論じる。その結果, サンプリング密度の標準仮定の下で, 勾配流によって与えられる分配に還元されることが判明した。
論文参考訳（メタデータ） (2021-11-19T16:14:32Z)
Vec2GC -- A Graph Based Clustering Method for Text Representations [0.0]
Vec2GCは、任意のテキストコーパスの用語やドキュメントをクラスタ化するエンドツーエンドパイプラインである。 Vec2GCクラスタリングアルゴリズムは、階層的なクラスタリングもサポートする密度ベースのアプローチである。
論文参考訳（メタデータ） (2021-04-15T12:52:30Z)
Graph Contrastive Clustering [131.67881457114316]
本稿では,クラスタリングタスクに適用可能な新しいグラフコントラスト学習フレームワークを提案し,gcc(graph constrastive clustering)法を考案した。特に、グラフラプラシアンに基づくコントラスト損失は、より識別的かつクラスタリングフレンドリーな特徴を学ぶために提案されている。一方で、よりコンパクトなクラスタリング割り当てを学ぶために、グラフベースのコントラスト学習戦略が提案されている。
論文参考訳（メタデータ） (2021-04-03T15:32:49Z)
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)

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。