Fugu-MT 論文翻訳(概要): Clustering Three-Way Data with Outliers

論文の概要: Clustering Three-Way Data with Outliers

arxiv url: http://arxiv.org/abs/2310.05288v2
Date: Wed, 11 Oct 2023 22:50:14 GMT
ステータス: 処理完了
システム内更新日: 2023-10-13 11:30:51.976482
Title: Clustering Three-Way Data with Outliers
Title（参考訳）: アウトレーヤによる三元データのクラスタリング
Authors: Katharine M. Clark and Paul D. McNicholas
Abstract要約: 行列変量正規データを異常値でクラスタリングする手法について論じる。このアプローチは、サブセットのログライクな分布を使い、OCLUSTアルゴリズムを拡張し、反復的なアプローチを使ってアウトレイラを検出しトリムする。
参考スコア（独自算出の注目度）: 1.2328446298523066
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Matrix-variate distributions are a recent addition to the model-based clustering field, thereby making it possible to analyze data in matrix form with complex structure such as images and time series. Due to its recent appearance, there is limited literature on matrix-variate data, with even less on dealing with outliers in these models. An approach for clustering matrix-variate normal data with outliers is discussed. The approach, which uses the distribution of subset log-likelihoods, extends the OCLUST algorithm to matrix-variate normal data and uses an iterative approach to detect and trim outliers.
Abstract（参考訳）: 行列変量分布は、最近のモデルベースのクラスタリングフィールドの追加であり、画像や時系列のような複雑な構造を持つ行列形式のデータを解析することができる。近年の出現により、行列変量データに関する文献は限られており、これらのモデルでは外れ値を扱うことはより少ない。行列変量正規データを異常値でクラスタリングする手法について論じる。このアプローチは、サブセットログライクな分布の分布を使用し、oclustアルゴリズムを行列変数正規データに拡張し、反復的なアプローチで外れ値の検出とトリムを行う。

関連論文リスト

Regularized Projection Matrix Approximation with Applications to Community Detection [1.5033631151609534]
本稿では,アフィニティ行列からクラスタ情報を復元することを目的とした正規化プロジェクション行列近似フレームワークを提案する。本稿では,それぞれ有界,正,スパースなシナリオに対処する3つの異なるペナルティ関数を探索し,その問題を解決するために乗算器の交互方向法(ADMM)アルゴリズムを導出する。
論文参考訳（メタデータ） (2024-05-26T15:18:22Z)
Unified Multi-View Orthonormal Non-Negative Graph Based Clustering Framework [74.25493157757943]
我々は,非負の特徴特性を活用し,多視点情報を統合された共同学習フレームワークに組み込む,新しいクラスタリングモデルを定式化する。また、深層機能に基づいたクラスタリングデータに対するマルチモデル非負グラフベースのアプローチを初めて検討する。
論文参考訳（メタデータ） (2022-11-03T08:18:27Z)
Learning Graphical Factor Models with Riemannian Optimization [70.13748170371889]
本稿では,低ランク構造制約下でのグラフ学習のためのフレキシブルなアルゴリズムフレームワークを提案する。この問題は楕円分布のペナルティ化された最大推定値として表される。楕円モデルによく適合する正定行列と定ランクの正半定行列のジオメトリを利用する。
論文参考訳（メタデータ） (2022-10-21T13:19:45Z)
Comparative Study of Inference Methods for Interpolative Decomposition [4.913248451323163]
補間分解(ID)学習のための自動関係決定(ARD)を用いた確率モデルを提案する。 CCLE $EC50$, CCLE $IC50$, Gene Body Methylation, promoteder Methylation datasets with different size, and dimensions。
論文参考訳（メタデータ） (2022-06-29T11:37:05Z)
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)
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)
Clustering of Nonnegative Data and an Application to Matrix Completion [0.0]
本研究では, それらの部分空間間の相関関係を, 一定の尺度で解析する。我々は,クラスタリングアルゴリズムを用いて,ある自然条件を満たすデータ行列上で,標準的な行列補完アルゴリズムより優れている行列補完アルゴリズムを開発した。
論文参考訳（メタデータ） (2020-09-02T18:24:47Z)
Multi-View Spectral Clustering with High-Order Optimal Neighborhood Laplacian Matrix [57.11971786407279]
マルチビュースペクトルクラスタリングは、データ間の固有のクラスタ構造を効果的に明らかにすることができる。本稿では,高次最適近傍ラプラシア行列を学習するマルチビュースペクトルクラスタリングアルゴリズムを提案する。提案アルゴリズムは, 1次ベースと高次ベースの両方の線形結合の近傍を探索し, 最適ラプラシア行列を生成する。
論文参考訳（メタデータ） (2020-08-31T12:28:40Z)
Robust Matrix Completion with Mixed Data Types [0.0]
我々は,データ型が混在する部分的なエントリを持つ構造的低ランク行列を復元する問題を考察する。ほとんどのアプローチは、基礎となる分布は1つしかないと仮定し、低階の制約は、行列 Satten Norm によって正則化される。本稿では, 並列化に適したアルゴリズムフレームワークとともに, 高い回復保証を有する計算可能な統計手法を提案し, 混合データ型に対する部分的に観測されたエントリを持つ低階行列を1ステップで復元する。
論文参考訳（メタデータ） (2020-05-25T21:35:10Z)
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)
Flexible Clustering with a Sparse Mixture of Generalized Hyperbolic Distributions [6.839746711757701]
モデルベースのクラスタリングに対する従来のアプローチは、高次元のデータでは失敗することが多い。一般化双曲分布の混合に対する成分スケール行列のパラメトリゼーションを提案する。解析的に実現可能な予測最大化アルゴリズムを開発した。
論文参考訳（メタデータ） (2019-03-12T17:02:40Z)

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。