Fugu-MT 論文翻訳(概要): Non-parametric Clustering of Multivariate Populations with Arbitrary Sizes

論文の概要: Non-parametric Clustering of Multivariate Populations with Arbitrary Sizes

arxiv url: http://arxiv.org/abs/2211.06338v1
Date: Fri, 11 Nov 2022 16:38:29 GMT
ステータス: 処理完了
システム内更新日: 2022-11-14 17:07:51.771504
Title: Non-parametric Clustering of Multivariate Populations with Arbitrary Sizes
Title（参考訳）: 任意サイズの多変数集団の非パラメトリッククラスタリング
Authors: Yves Isma\"el Ngounou Bakam and Denys Pommeret
Abstract要約: K群を同じ依存構造を持つ部分群に分類するクラスタリング手法を提案する。数値的な研究と2つの実際のデータセットを通してクラスタリングアルゴリズムを説明します。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a clustering procedure to group K populations into subgroups with the same dependence structure. The method is adapted to paired population and can be used with panel data. It relies on the differences between orthogonal projection coefficients of the K density copulas estimated from the K populations. Each cluster is then constituted by populations having significantly similar dependence structures. A recent test statistic from Ngounou-Bakam and Pommeret (2022) is used to construct automatically such clusters. The procedure is data driven and depends on the asymptotic level of the test. We illustrate our clustering algorithm via numerical studies and through two real datasets: a panel of financial datasets and insurance dataset of losses and allocated loss adjustment expense.
Abstract（参考訳）: 同一依存構造を持つサブグループにk集団群を分類するクラスタリング手法を提案する。この方法は、ペア人口に適応し、パネルデータと併用することができる。これはK集団から推定されるK密度コプラの直交射影係数の差に依存する。各クラスタは、非常に類似した依存構造を持つ集団によって構成される。 Ngounou-Bakam and Pommeret (2022) による最近のテスト統計は、そのようなクラスターを自動的に構築するために用いられる。手順はデータ駆動であり、テストの漸近レベルに依存する。我々は,金融データセットのパネルと損失の保険データセットと損失調整費用の割り当てという2つの実際のデータセットを用いて,クラスタリングアルゴリズムを説明する。

関連論文リスト

Self-Supervised Graph Embedding Clustering [70.36328717683297]
K-means 1-step dimensionality reduction clustering method は,クラスタリングタスクにおける次元性の呪いに対処する上で,いくつかの進歩をもたらした。本稿では,K-meansに多様体学習を統合する統一フレームワークを提案する。
論文参考訳（メタデータ） (2024-09-24T08:59:51Z)
Causal K-Means Clustering [5.087519744951637]
Causal k-Means Clusteringは、広く使われているk-means Clusteringアルゴリズムを利用して、未知の部分群構造を明らかにする。既成のアルゴリズムを用いて簡易かつ容易に実装可能なプラグイン推定器を提案する。提案手法は,複数の治療レベルを有する近代的な結果研究に特に有用である。
論文参考訳（メタデータ） (2024-05-05T23:59:51Z)
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)
Anomaly Clustering: Grouping Images into Coherent Clusters of Anomaly Types [60.45942774425782]
我々は異常クラスタリングを導入し、その目標はデータを異常型の一貫性のあるクラスタにまとめることである。これは異常検出とは違い、その目標は異常を通常のデータから分割することである。パッチベースの事前訓練されたディープ埋め込みとオフザシェルフクラスタリング手法を用いた,単純で効果的なクラスタリングフレームワークを提案する。
論文参考訳（メタデータ） (2021-12-21T23:11:33Z)
Swarm Intelligence for Self-Organized Clustering [6.85316573653194]
Databionic Swarm(DBS)と呼ばれるSwarmシステムが導入された。スウォームインテリジェンス、自己組織化、出現の相互関係を利用して、DBSはクラスタリングのタスクにおけるグローバルな目的関数の最適化に対する代替アプローチとして機能する。
論文参考訳（メタデータ） (2021-06-10T06:21:48Z)
A Multi-disciplinary Ensemble Algorithm for Clustering Heterogeneous Datasets [0.76146285961466]
本稿では,社会階級ランキングとメタヒューリスティックアルゴリズムに基づく進化的クラスタリングアルゴリズム(ECAStar)を提案する。 ECAStarは、再共生進化演算子、レヴィ飛行最適化、いくつかの統計技術と統合されている。従来の5つのアプローチに対してECAStarを評価する実験を行った。
論文参考訳（メタデータ） (2021-01-01T07:20:50Z)
Deep Semi-Supervised Embedded Clustering (DSEC) for Stratification of Heart Failure Patients [50.48904066814385]
本研究では、深層半教師付き組込みクラスタリングを用いて、心不全のデータ駆動型患者サブグループを決定する。ヘテロジニアスデータから得られた組込み空間から臨床関連クラスタを見出した。提案アルゴリズムは、異なる結果を持つ患者の新たな未診断サブグループを見つけることができる。
論文参考訳（メタデータ） (2020-12-24T12:56:46Z)
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)
LSD-C: Linearly Separable Deep Clusters [145.89790963544314]
ラベルなしデータセットのクラスタを識別する新しい手法であるLSD-Cを提案する。本手法は,最近の半教師付き学習の実践からインスピレーションを得て,クラスタリングアルゴリズムと自己教師付き事前学習と強力なデータ拡張を組み合わせることを提案する。 CIFAR 10/100, STL 10, MNIST, および文書分類データセットReuters 10Kなど, 一般的な公開画像ベンチマークにおいて, 当社のアプローチが競合より大幅に優れていたことを示す。
論文参考訳（メタデータ） (2020-06-17T17:58:10Z)
Statistical power for cluster analysis [0.0]
クラスターアルゴリズムは、生物医学研究でますます人気がある。シミュレーションにより,共通解析におけるパワーと精度を推定する。我々は,大規模なサブグループ分離が期待される場合にのみ,クラスタ分析を適用することを推奨する。
論文参考訳（メタデータ） (2020-03-01T02:43:15Z)
Blocked Clusterwise Regression [0.0]
我々は、各ユニットが複数の潜伏変数を持つことを可能にすることで、離散的非観測的不均一性に対する以前のアプローチを一般化する。我々は,クラスタの過剰な数のクラスタリングの理論に寄与し,この設定に対する新たな収束率を導出する。
論文参考訳（メタデータ） (2020-01-29T23:29:31Z)

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。