Fugu-MT 論文翻訳(概要): Homogenous and Heterogenous Parallel Clustering: An Overview

論文の概要: Homogenous and Heterogenous Parallel Clustering: An Overview

arxiv url: http://arxiv.org/abs/2202.06478v1
Date: Mon, 14 Feb 2022 04:20:49 GMT
ステータス: 処理完了
システム内更新日: 2022-02-15 18:10:33.730653
Title: Homogenous and Heterogenous Parallel Clustering: An Overview
Title（参考訳）: 異種・異種並列クラスタリング:概要
Authors: Ahmed Ibrahim and Rokaya Hassanien
Abstract要約: 本稿では,鍵となる並列クラスタリングをレビューし,その戦略について考察する。このレビューは、この新興分野における進歩の包括的な説明を提供するために、並列クラスタリングにおける異なる試みをまとめている。
参考スコア（独自算出の注目度）: 2.633392389500699
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Recent advances in computer architecture and networking opened the opportunity for parallelizing the clustering algorithms. This divide-and-conquer strategy often results in better results to centralized clustering with a much-improved time performance. This paper reviews key parallel clustering and provides insight into their strategy. The review brings together disparate attempts in parallel clustering to provide a comprehensive account of advances in this emerging field
Abstract（参考訳）: コンピュータアーキテクチャとネットワークの進歩により、クラスタリングアルゴリズムを並列化する機会が開かれた。この分割・並行戦略は、時間パフォーマンスが大幅に改善された集中クラスタリングにより良い結果をもたらすことが多い。本稿では,鍵となる並列クラスタリングをレビューし,その戦略について考察する。このレビューは、この新興分野における進歩の総合的な説明を提供するために、並列クラスタリングにおける異なる試みをまとめる

関連論文リスト

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)
Deep Clustering With Consensus Representations [10.058084837348366]
異種クラスタリングにおけるコンセンサス表現の学習という概念を導入し,コンセンサスクラスタリングにアプローチする新しい概念を提案する。複数の異種クラスタリングアルゴリズムの表現とクラスタリング結果を共同で改善する,最初のディープクラスタリング手法であるDECCSを提案する。
論文参考訳（メタデータ） (2022-10-13T14:40:48Z)
Deep Clustering: A Comprehensive Survey [53.387957674512585]
クラスタリング分析は、機械学習とデータマイニングにおいて必須の役割を果たす。ディープ・クラスタリングは、ディープ・ニューラルネットワークを使ってクラスタリングフレンドリーな表現を学習することができるが、幅広いクラスタリングタスクに広く適用されている。ディープクラスタリングに関する既存の調査は、主にシングルビューフィールドとネットワークアーキテクチャに焦点を当てており、クラスタリングの複雑なアプリケーションシナリオを無視している。
論文参考訳（メタデータ） (2022-10-09T02:31:32Z)
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)
You Never Cluster Alone [150.94921340034688]
我々は、主流のコントラスト学習パラダイムをクラスタレベルのスキームに拡張し、同じクラスタに属するすべてのデータが統一された表現に寄与する。分類変数の集合をクラスタ化代入信頼度として定義し、インスタンスレベルの学習トラックとクラスタレベルの学習トラックを関連付ける。代入変数を再パラメータ化することで、TCCはエンドツーエンドでトレーニングされる。
論文参考訳（メタデータ） (2021-06-03T14:59:59Z)
A New Parallel Adaptive Clustering and its Application to Streaming Data [0.0]
本稿では,適切な数のクラスを同時に選択しながら,自動的にデータを分類する並列適応クラスタリング(pac)アルゴリズムを提案する。並列スレッドの結果を効率よくクラスタリングする正規化セット mik-means を開発した。提案手法の性能を特徴付けるための理論的解析と数値実験を行う。
論文参考訳（メタデータ） (2021-04-06T17:18:56Z)
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。