Fugu-MT 論文翻訳(概要): Multi-Slice Clustering for 3-order Tensor Data

論文の概要: Multi-Slice Clustering for 3-order Tensor Data

arxiv url: http://arxiv.org/abs/2109.10803v1
Date: Wed, 22 Sep 2021 15:49:48 GMT
ステータス: 処理完了
システム内更新日: 2021-09-23 13:54:03.303483
Title: Multi-Slice Clustering for 3-order Tensor Data
Title（参考訳）: 3次テンソルデータのマルチスライスクラスタリング
Authors: Dina Faneva Andriantsiory, Joseph Ben Geloun, Mustapha Lebbah
Abstract要約: 3次元データのトリクラスタリングには、各次元のクラスタサイズを指定する必要がある。本稿では,3階テンソルデータセットに対するマルチスライスクラスタリング(MSC)を提案する。本アルゴリズムの有効性は,合成データセットと実世界のデータセットの両方で示される。
参考スコア（独自算出の注目度）: 0.12891210250935145
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Several methods of triclustering of three dimensional data require the specification of the cluster size in each dimension. This introduces a certain degree of arbitrariness. To address this issue, we propose a new method, namely the multi-slice clustering (MSC) for a 3-order tensor data set. We analyse, in each dimension or tensor mode, the spectral decomposition of each tensor slice, i.e. a matrix. Thus, we define a similarity measure between matrix slices up to a threshold (precision) parameter, and from that, identify a cluster. The intersection of all partial clusters provides the desired triclustering. The effectiveness of our algorithm is shown on both synthetic and real-world data sets.
Abstract（参考訳）: 3次元データのトライクラスタ化には、各次元のクラスタサイズを規定する必要がある。これはある程度の任意性をもたらす。そこで本研究では,3次元テンソルデータセットのためのマルチスライスクラスタリング(msc)という新しい手法を提案する。我々は、各次元またはテンソルモードにおいて、各テンソルスライス、すなわち行列のスペクトル分解を分析する。そこで我々は,行列スライス間の類似度をしきい値(精度)パラメータまで定義し,そこからクラスタを識別する。すべての部分クラスタの交叉は、望ましいトリクラスタリングを提供する。本アルゴリズムの有効性は,合成データと実世界データの両方に示される。

関連論文リスト

Clustering Based on Density Propagation and Subcluster Merging [92.15924057172195]
本稿では,クラスタ数を自動的に決定し,データ空間とグラフ空間の両方に適用可能な密度に基づくノードクラスタリング手法を提案する。二つのノード間の距離を計算する従来の密度クラスタリング法とは異なり,提案手法は伝播過程を通じて密度を決定する。
論文参考訳（メタデータ） (2024-11-04T04:09:36Z)
Parallel Computation of Multi-Slice Clustering of Third-Order Tensors [0.08192907805418585]
3次テンソルに対するマルチスライスクラスタリング(MSC)の並列アルゴリズムを考案した。並列計算方式は逐次計算より優れており,MSC法のスケーラビリティが向上していることを示す。
論文参考訳（メタデータ） (2023-09-29T16:38:51Z)
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)
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)
Multi-View Clustering via Semi-non-negative Tensor Factorization [120.87318230985653]
半負のテンソル因子分解(Semi-NTF)に基づく新しいマルチビュークラスタリングを開発する。本モデルは、ビュー間の関係を直接考慮し、ビュー間の補完情報を利用する。さらに,提案手法の最適化アルゴリズムを提案し,そのアルゴリズムが常に定常KKT点に収束することを数学的に証明する。
論文参考訳（メタデータ） (2023-03-29T14:54:19Z)
DBSCAN of Multi-Slice Clustering for Third-Order Tensors [0.0]
そこで我々はMSC-DBSCANと呼ばれる拡張アルゴリズムを提案し、データから異なる部分空間にある異なるスライス群を抽出する。我々のアルゴリズムはMSCアルゴリズムと同じ入力を使い、MSCと同じ階数1テンソルデータに対して同じ解を求めることができる。
論文参考訳（メタデータ） (2023-03-14T10:18:31Z)
Multiway clustering of 3-order tensor via affinity matrix [0.0]
親和性行列(MCAM)を用いた3階テンソルのマルチウェイクラスタリング法を提案する。テンソルスライスと各スライスに関する情報の拡散の類似性の概念に基づいて、我々は高度なクラスタリング法を適用した親和性/相似性行列を構築した。 MCAMは、他の既知の合成アルゴリズムや実際のデータセットと比較して、競合的な結果が得られる。
論文参考訳（メタデータ） (2023-03-14T10:02:52Z)
ck-means, a novel unsupervised learning method that combines fuzzy and crispy clustering methods to extract intersecting data [1.827510863075184]
本稿では,2つの特徴以上の共通点を共有するデータをクラスタリングする手法を提案する。この手法の主な考え方は、ファジィ C-Means (FCM) アルゴリズムを用いてファジィクラスタを生成することである。このアルゴリズムはまた、シルエット指数(SI)によって与えられるクラスタの一貫性に従って、FCMとk平均アルゴリズムのための最適なクラスタ数を見つけることができる。
論文参考訳（メタデータ） (2022-06-17T19:29:50Z)
Semi-Supervised Subspace Clustering via Tensor Low-Rank Representation [64.49871502193477]
本稿では,初期監視情報を同時に拡張し,識別親和性行列を構築することのできる,新しい半教師付きサブスペースクラスタリング手法を提案する。 6つの一般的なベンチマークデータセットの総合的な実験結果から,本手法が最先端手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-05-21T01:47:17Z)
CAST: A Correlation-based Adaptive Spectral Clustering Algorithm on Multi-scale Data [34.89460002735166]
マルチスケールクラスタデータにスペクトルクラスタリングを適用する際の問題点について検討する。マルチスケールデータの場合、スパースクラスタのオブジェクトが遠く離れているため、距離ベースの類似性は有効ではない。係数行列を正規化するためにトレースラッソを適用するアルゴリズムCASTを提案する。
論文参考訳（メタデータ） (2020-06-08T09:46:35Z)
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)

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。