Fugu-MT 論文翻訳(概要): Locally Adaptive Hierarchical Cluster Termination With Application To Individual Tree Delineation

論文の概要: Locally Adaptive Hierarchical Cluster Termination With Application To Individual Tree Delineation

arxiv url: http://arxiv.org/abs/2212.00288v1
Date: Thu, 1 Dec 2022 05:27:50 GMT
ステータス: 処理完了
システム内更新日: 2022-12-02 15:10:35.981635
Title: Locally Adaptive Hierarchical Cluster Termination With Application To Individual Tree Delineation
Title（参考訳）: 局所適応型階層クラスタ終端と個々の木行列への応用
Authors: Ashlin Richardson, Donald Leckie
Abstract要約: 距離関数を備えた集合上での集合的階層的クラスタリングに対して,クラスタリング終了手順を提案する。これは、従来のスケール依存しきい値に基づく終了基準に対するマルチスケールの代替である。
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: A clustering termination procedure which is locally adaptive (with respect to the hierarchical tree of sets representative of the agglomerative merging) is proposed, for agglomerative hierarchical clustering on a set equipped with a distance function. It represents a multi-scale alternative to conventional scale dependent threshold based termination criteria.
Abstract（参考訳）: 距離関数を備えた集合上の集合的階層的クラスタリングにおいて、局所的に適応的なクラスタリング終了手順(集合的マージを表す集合の階層木について)を提案する。これは従来のスケール依存しきい値に基づく終了基準に代わるマルチスケールの代替である。

関連論文リスト

A3S: A General Active Clustering Method with Pairwise Constraints [66.74627463101837]
A3Sは、適応クラスタリングアルゴリズムによって得られる初期クラスタ結果に対して、戦略的にアクティブクラスタリングを調整する。さまざまな実世界のデータセットにわたる広範な実験において、A3Sは、人間のクエリを著しく少なくして、望ましい結果を達成する。
論文参考訳（メタデータ） (2024-07-14T13:37:03Z)
Neural Constraint Satisfaction: Hierarchical Abstraction for Combinatorial Generalization in Object Rearrangement [75.9289887536165]
基礎となるエンティティを明らかにするための階層的抽象化手法を提案する。本研究では,エージェントのモデルにおける実体の状態の介入と,環境中の物体に作用する状態の対応関係を学習する方法を示す。この対応を利用して、オブジェクトの異なる数や構成に一般化する制御法を開発する。
論文参考訳（メタデータ） (2023-03-20T18:19:36Z)
Generating Hierarchical Explanations on Text Classification Without Connecting Rules [14.624434065904232]
我々は、接続ルールが、モデル決定プロセスを忠実に反映する能力を損なう可能性があると主張している。接続ルールを使わずに階層的説明を生成することを提案し,階層的クラスタを生成するためのフレームワークを提案する。
論文参考訳（メタデータ） (2022-10-24T14:11:23Z)
Gradient Based Clustering [72.15857783681658]
本稿では,クラスタリングの品質を計測するコスト関数の勾配を用いて,距離に基づくクラスタリングの一般的な手法を提案する。アプローチは反復的な2段階の手順(クラスタ割り当てとクラスタセンターのアップデートの代替)であり、幅広い機能に適用できる。
論文参考訳（メタデータ） (2022-02-01T19:31:15Z)
Personalized Federated Learning via Convex Clustering [72.15857783681658]
本稿では,局所凸型ユーザコストを用いた個人化フェデレーション学習のためのアルゴリズム群を提案する。提案するフレームワークは,異なるユーザのモデルの違いをペナル化する凸クラスタリングの一般化に基づいている。
論文参考訳（メタデータ） (2022-02-01T19:25:31Z)
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)
Hierarchical clustering by aggregating representatives in sub-minimum-spanning-trees [5.877624540482919]
本稿では,クラスタリングデンドログラムを構築しながら,代表点を効果的に検出できる階層的クラスタリングアルゴリズムを提案する。解析の結果,提案アルゴリズムはO(nlogn)時間複雑度とO(nlogn)空間複雑度を有し,大規模データ処理のスケーラビリティを示す。
論文参考訳（メタデータ） (2021-11-11T07:36:55Z)
Robust Hierarchical Clustering for Directed Networks: An Axiomatic Approach [13.406858660972551]
有向ネットワークに対するロバストな階層的クラスタリング手法の完全な分類学的特徴を提供する。本稿では,階層クラスタリングにおけるロバスト性に関連する3つの実用的特性について紹介する。また,本手法の実装に対処し,実データへのアプリケーション記述を行う。
論文参考訳（メタデータ） (2021-08-16T17:28:21Z)
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)
Hierarchical Correlation Clustering and Tree Preserving Embedding [3.821323038670061]
本稿では,よく知られた相関クラスタリングを拡張する階層的相関クラスタリング手法を提案する。本稿では,このような階層的相関クラスタリングを用いた教師なし表現学習について検討する。
論文参考訳（メタデータ） (2020-02-18T17:44:25Z)

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。