論文の概要: Hierarchical Clustering with OWA-based Linkages, the Lance-Williams Formula, and Dendrogram Inversions

• arxiv url: http://arxiv.org/abs/2303.05683v1
• Date: Fri, 10 Mar 2023 03:20:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 16:16:52.522249
• Title: Hierarchical Clustering with OWA-based Linkages, the Lance-Williams Formula, and Dendrogram Inversions
• Title（参考訳）: OWAベースリンクを用いた階層クラスタリング,ランス・ウィリアムズ公式,デンドログラムインバージョン
• Authors: Marek Gagolewski, Anna Cena, Simon James, Gleb Beliakov
• Abstract要約: 本稿では,Lance-Williams更新公式と,無限係数列による重み付き拡張OWAリンクの関係について検討する。 重み生成装置は、結果として生じるデンドログラムが非審美的逆転から解放されることを保証するため、いくつかの条件を提供する。
• 参考スコア（独自算出の注目度）: 5.7445938562326635
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agglomerative hierarchical clustering based on Ordered Weighted Averaging (OWA) operators not only generalises the single, complete, and average linkages, but also includes intercluster distances based on a few nearest or farthest neighbours, trimmed and winsorised means of pairwise point similarities, amongst many others. We explore the relationships between the famous Lance-Williams update formula and the extended OWA-based linkages with weights generated via infinite coefficient sequences. Furthermore, we provide some conditions for the weight generators to guarantee the resulting dendrograms to be free from unaesthetic inversions.
• Abstract（参考訳）: Ordered Weighted Averaging (OWA) 演算子に基づく集約的階層的クラスタリングは、単一、完全、および平均的なリンクを一般化するだけでなく、いくつかの最も近いまたは最も近い隣人に基づくクラスタ間距離も含む。 本稿では,Lance-Williams更新公式と,無限係数列による重み付き拡張OWAリンクの関係について検討する。 さらに, 重み発生器に対して, 結果のデンドログラムが不審なインバージョンから解放されることを保証する条件を提示する。

関連論文リスト

• Cluster truncated Wigner approximation for bond-disordered Heisenberg spin models [0.0]
  クラスタートリニケートウィグナー近似(cTWA)は、結合非秩序なハイゼンベルクスピン鎖のクエンチダイナミクスとパワー-ロー相互作用に応用される。 当初導入されたガウス近似に基づくスキームの代替として、初期ウィグナー関数の離散サンプリングスキームを開発する。
  論文  参考訳（メタデータ） (2024-07-01T18:00:06Z)
• 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)
• New bounds on the cohesion of complete-link and other linkage methods for agglomeration clustering [10.409652277630133]
  距離空間の完全リンクにより得られたクラスタリングの最大径に関する現在利用可能な境界を改善する。 我々の新しい境界の一つは、既存の境界とは対照的に、直径の近似の観点から、完全リンクと単一リンクを分離することができる。
  論文  参考訳（メタデータ） (2024-05-02T01:39:30Z)
• 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)
• Optimal Clustering with Bandit Feedback [57.672609011609886]
  本稿では,バンディットフィードバックを用いたオンラインクラスタリングの問題点について考察する。 これは、NPハード重み付きクラスタリング問題をサブルーチンとして解決する必要性を回避するための、シーケンシャルなテストのための新しい停止規則を含む。 合成および実世界のデータセットの広範なシミュレーションを通して、BOCの性能は下界と一致し、非適応的ベースラインアルゴリズムよりも大幅に優れることを示す。
  論文  参考訳（メタデータ） (2022-02-09T06:05:05Z)
• Learning Hierarchical Graph Neural Networks for Image Clustering [81.5841862489509]
  本稿では,画像の集合を未知の個数にクラスタリングする方法を学ぶ階層型グラフニューラルネットワーク(GNN)モデルを提案する。 我々の階層的なGNNは、階層の各レベルで予測される連結コンポーネントをマージして、次のレベルで新しいグラフを形成するために、新しいアプローチを用いています。
  論文  参考訳（メタデータ） (2021-07-03T01:28:42Z)
• Posterior Regularization on Bayesian Hierarchical Mixture Clustering [2.5266927671910904]
  後続の規則化は、クラスタ分離を強化するために、各レベルのノードに最大限の制約を課す。 PRをBHMCに適用し,BHMCモデルの改善効果を示す。
  論文  参考訳（メタデータ） (2021-05-14T15:41:15Z)
• Clustering Ensemble Meets Low-rank Tensor Approximation [50.21581880045667]
  本稿では,複数のクラスタリングを組み合わせ,個々のクラスタリングよりも優れたパフォーマンスを実現するクラスタリングアンサンブルの問題について検討する。 本稿では,この問題をグローバルな視点から解くために,新しい低ランクテンソル近似法を提案する。 7つのベンチマークデータセットを用いた実験の結果,提案手法は12の最先端手法と比較して,クラスタリング性能のブレークスルーを達成した。
  論文  参考訳（メタデータ） (2020-12-16T13:01:37Z)
• 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)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。