論文の概要: NK Hybrid Genetic Algorithm for Clustering
- arxiv url: http://arxiv.org/abs/2402.03813v1
- Date: Tue, 6 Feb 2024 08:57:49 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-07 15:41:25.999084
- Title: NK Hybrid Genetic Algorithm for Clustering
- Title（参考訳）: nkハイブリッド遺伝的アルゴリズムによるクラスタリング
- Authors: Renato Tin\'os, Liang Zhao, Francisco Chicano, Darrell Whitley
- Abstract要約: 本稿では,クラスタリングのためのNKハイブリッド遺伝的アルゴリズムを提案する。
実験では、NKハイブリッド遺伝的アルゴリズムは、他の遺伝的アルゴリズムや最先端のクラスタリングアルゴリズムと比較して非常に良い結果を得た。
- 参考スコア（独自算出の注目度）: 7.4854762711225025
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The NK hybrid genetic algorithm for clustering is proposed in this paper. In
order to evaluate the solutions, the hybrid algorithm uses the NK clustering
validation criterion 2 (NKCV2). NKCV2 uses information about the disposition of
$N$ small groups of objects. Each group is composed of $K+1$ objects of the
dataset. Experimental results show that density-based regions can be identified
by using NKCV2 with fixed small $K$. In NKCV2, the relationship between
decision variables is known, which in turn allows us to apply gray box
optimization. Mutation operators, a partition crossover, and a local search
strategy are proposed, all using information about the relationship between
decision variables. In partition crossover, the evaluation function is
decomposed into $q$ independent components; partition crossover then
deterministically returns the best among $2^q$ possible offspring with
computational complexity $O(N)$. The NK hybrid genetic algorithm allows the
detection of clusters with arbitrary shapes and the automatic estimation of the
number of clusters. In the experiments, the NK hybrid genetic algorithm
produced very good results when compared to another genetic algorithm approach
and to state-of-art clustering algorithms.
- Abstract（参考訳）: 本稿では,クラスタリングのためのNKハイブリッド遺伝的アルゴリズムを提案する。
この解を評価するために、ハイブリッドアルゴリズムはnkクラスタリング検証基準2 (nkcv2) を用いる。
NKCV2は、オブジェクトの小さなグループN$の配置に関する情報を使用する。
各グループはデータセットの$K+1$オブジェクトで構成されている。
NKCV2とK$の固定値を用いて密度ベース領域を同定できることを示す実験結果を得た。
NKCV2では、決定変数の関係が知られており、グレーボックス最適化を適用することができる。
突然変異演算子,分割クロスオーバー,局所探索戦略が提案され,すべて決定変数間の関係に関する情報を用いている。
分割クロスオーバーでは、評価関数は$q$独立コンポーネントに分解され、分割クロスオーバーは計算複雑性$o(n)$を持つ2^q$可能子孫の中で決定論的にベストを返す。
NKハイブリッド遺伝的アルゴリズムは任意の形状のクラスターの検出とクラスタ数の自動推定を可能にする。
実験では、NKハイブリッド遺伝的アルゴリズムは、他の遺伝的アルゴリズムや最先端クラスタリングアルゴリズムと比較して非常に良い結果を得た。
関連論文リスト
- DenMune: Density peak based clustering using mutual nearest neighbors [0.0]
多くのクラスタリングアルゴリズムは、クラスタが任意の形状、様々な密度、あるいはデータクラスが互いに不均衡で近接している場合に失敗する。
この課題を満たすために、新しいクラスタリングアルゴリズムであるDenMuneが提示されている。
これは、Kがユーザから要求される唯一のパラメータである大きさKの互いに近い近傍を用いて、密集領域を特定することに基づいている。
論文 参考訳（メタデータ） (2023-09-23T16:18:00Z) - Are Easy Data Easy (for K-Means) [0.0]
本稿では、$k$-meansアルゴリズムの様々なブランドによって、適切に分離されたクラスタを復元する能力について検討する。
シード選択時に繰り返しサブサンプリングによって$k$-means++のバリエーションが提案される。
論文 参考訳（メタデータ） (2023-08-02T09:40:19Z) - 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) - Hybrid Fuzzy-Crisp Clustering Algorithm: Theory and Experiments [0.0]
本稿では,対象関数の線形項と2次項を組み合わせたファジィクロップクラスタリングアルゴリズムを提案する。
このアルゴリズムでは、クラスタへのデータポイントのメンバシップが、クラスタセンタから十分に離れていれば、自動的に正確にゼロに設定される。
提案アルゴリズムは、不均衡なデータセットの従来の手法よりも優れており、よりバランスの取れたデータセットと競合することができる。
論文 参考訳（メタデータ） (2023-03-25T05:27:26Z) - Approximate spectral clustering with eigenvector selection and
self-tuned $k$ [1.827510863075184]
最近出現したスペクトルクラスタリングは、凸性仮定なしで任意の形状のクラスターを検出することによって、従来のクラスタリング法を超越している。
実際には、$k$のマニュアル設定は主観的あるいは時間を要する可能性がある。
提案アルゴリズムは、ASCの2つの重要なステップにおいて、$k$を推定する2つの関連指標を持つ。
実験では、提案アルゴリズムの効率と、$k$を手動で設定する類似の手法と競合する能力を示す。
論文 参考訳（メタデータ） (2023-02-22T11:32:24Z) - Exact and Approximate Hierarchical Clustering Using A* [51.187990314731344]
クラスタリングのA*探索に基づく新しいアプローチを紹介します。
A*と新しいエンフォレリスデータ構造を組み合わせることで、禁止的に大きな検索空間を克服します。
実験により,本手法は粒子物理利用事例や他のクラスタリングベンチマークにおいて,ベースラインよりもかなり高品質な結果が得られることを示した。
論文 参考訳（メタデータ） (2021-04-14T18:15:27Z) - Hybrid quantum-classical algorithms for approximate graph coloring [65.62256987706128]
量子近似最適化アルゴリズム(RQAOA)をMAX-$k$-CUTに適用する方法を示す。
任意のグラフに対するレベル-$1$QAOAとレベル-$1$RQAOAをシミュレートした,効率的な古典的シミュレーションアルゴリズムを構築する。
論文 参考訳（メタデータ） (2020-11-26T18:22:21Z) - 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) - Differentially Private Clustering: Tight Approximation Ratios [57.89473217052714]
基本的なクラスタリング問題に対して,効率的な微分プライベートアルゴリズムを提案する。
この結果から,SampleとAggregateのプライバシーフレームワークのアルゴリズムの改善が示唆された。
1-Clusterアルゴリズムで使用されるツールの1つは、ClosestPairのより高速な量子アルゴリズムを適度な次元で得るために利用できる。
論文 参考訳（メタデータ） (2020-08-18T16:22:06Z) - Certifying clusters from sum-of-norms clustering [13.747619681451875]
本稿では,近似解から正しいクラスタ割り当てを同定し,証明するクラスタリングテストを提案する。
提案手法では, クラスタ割り当てが, 十分に多くの繰り返しを経て, 原始二重経路追従アルゴリズムによって保証されることが保証されていることを示す。
論文 参考訳（メタデータ） (2020-06-19T20:26:26Z) - Clustering Binary Data by Application of Combinatorial Optimization
Heuristics [52.77024349608834]
本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。
近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。
準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
論文 参考訳（メタデータ） (2020-01-06T23:33:31Z)
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。
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。