論文の概要: Convergence Analysis of Blurring Mean Shift

• arxiv url: http://arxiv.org/abs/2402.15146v1
• Date: Fri, 23 Feb 2024 07:05:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-26 15:32:41.683001
• Title: Convergence Analysis of Blurring Mean Shift
• Title（参考訳）: ブラリング平均シフトの収束解析
• Authors: Ryoya Yamasaki, Toshiyuki Tanaka
• Abstract要約: ブラリング平均シフト (BMS) アルゴリズムは、データクラスタリングのためのカーネルベースの反復手法である。 我々はBMSアルゴリズムの収束特性を,その解釈を最適化手法として活用して解析する。 本研究は,BMSアルゴリズムの収束が,収束点の幾何学的特徴のさらなる活用により高速であることを示す。
• 参考スコア（独自算出の注目度）: 4.444456690812097
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Blurring mean shift (BMS) algorithm, a variant of the mean shift algorithm, is a kernel-based iterative method for data clustering, where data points are clustered according to their convergent points via iterative blurring. In this paper, we analyze convergence properties of the BMS algorithm by leveraging its interpretation as an optimization procedure, which is known but has been underutilized in existing convergence studies. Whereas existing results on convergence properties applicable to multi-dimensional data only cover the case where all the blurred data point sequences converge to a single point, this study provides a convergence guarantee even when those sequences can converge to multiple points, yielding multiple clusters. This study also shows that the convergence of the BMS algorithm is fast by further leveraging geometrical characterization of the convergent points.
• Abstract（参考訳）: 平均シフトアルゴリズムの変種であるbowling mean shift(bms)アルゴリズムはカーネルベースのデータクラスタリングのための反復的手法であり、反復的なぼかしによってデータポイントが収束点に従ってクラスタ化される。 本稿では,BMSアルゴリズムの収束特性を,その解釈を最適化手法として活用することで解析する。 多次元データに適用可能な収束特性の既存の結果は、すべてのぼやけたデータ点列が1つの点に収束する場合のみをカバーするが、本研究は、これらの列が複数の点に収束し、複数のクラスターが得られる場合にも収束保証を提供する。 また, BMSアルゴリズムの収束は, 収束点の幾何的特性のさらなる活用により高速であることを示す。

関連論文リスト

• 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)
• Fast conformational clustering of extensive molecular dynamics simulation data [19.444636864515726]
  本稿では,長い軌道の高速なコンフォーメーションクラスタリングを実現するために,教師なしのデータ処理ワークフローを提案する。 我々は密度に基づく空間クラスタリングアルゴリズム(HDBSCAN)と2つの次元削減アルゴリズム(cc_analysisとEncodermap)を組み合わせる。 4つのテストシステムの助けを借りて、このクラスタリングワークフローの機能とパフォーマンスを説明します。
  論文  参考訳（メタデータ） (2023-01-11T14:36:43Z)
• Kernel Biclustering algorithm in Hilbert Spaces [8.303238963864885]
  我々は,エネルギー距離と平均誤差の最大値という概念を用いて,抽象空間における新しいモデルフリー・ビクラスタリングアルゴリズムを開発した。 提案手法は,既存の文献よりも一般的で複雑なクラスタ形状を学習することができる。 提案手法は,カーネルの適切な選択を前提として,その最適シナリオにおける最先端手法と類似している。
  論文  参考訳（メタデータ） (2022-08-07T08:41:46Z)
• Perfect Spectral Clustering with Discrete Covariates [68.8204255655161]
  本稿では,大規模なスパースネットワークのクラスにおいて,高い確率で完全クラスタリングを実現するスペクトルアルゴリズムを提案する。 本手法は,スペクトルクラスタリングによる一貫した潜在構造回復を保証する最初の方法である。
  論文  参考訳（メタデータ） (2022-05-17T01:41:06Z)
• 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)
• Space Partitioning and Regression Mode Seeking via a Mean-Shift-Inspired Algorithm [5.990174495635326]
  平均シフト(MS)アルゴリズムは、サンプルポイントをクラスタリングし、カーネル密度推定の局所モードを見つけるために使われる非パラメトリックな手法である。 回帰関数のモードを推定し,入力空間内のサンプル点を分割するアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-04-20T16:35:17Z)
• Fuzzy clustering algorithms with distance metric learning and entropy regularization [0.0]
  本稿では,ユークリッド,シティブロック,マハラノビス距離とエントロピー正規化に基づくファジィクラスタリングアルゴリズムを提案する。 合成および実データセットに関するいくつかの実験は、ノイズの多い画像テクスチャセグメンテーションへの応用を含む、これらの適応クラスタリング手法の有用性を実証している。
  論文  参考訳（メタデータ） (2021-02-18T18:19:04Z)
• Determinantal consensus clustering [77.34726150561087]
  本稿では,クラスタリングアルゴリズムのランダム再起動における決定点プロセス (DPP) の利用を提案する。 DPPは部分集合内の中心点の多様性を好んでいる。 DPPとは対照的に、この手法は多様性の確保と、すべてのデータフェースについて良好なカバレッジを得るために失敗することを示す。
  論文  参考訳（メタデータ） (2021-02-07T23:48:24Z)
• Random extrapolation for primal-dual coordinate descent [61.55967255151027]
  本稿では,データ行列の疎度と目的関数の好適な構造に適応する,ランダムに外挿した原始-双対座標降下法を提案する。 一般凸凹の場合, 主対差と目的値に対するシーケンスのほぼ確実に収束と最適サブ線形収束率を示す。
  論文  参考訳（メタデータ） (2020-07-13T17:39:35Z)
• Stable and consistent density-based clustering via multiparameter persistence [77.34726150561087]
  トポロジカルデータ解析による次数-リップス構成について考察する。 我々は,入力データの摂動に対する安定性を,通信間距離を用いて解析する。 私たちはこれらのメソッドを、Persistableと呼ばれる密度ベースのクラスタリングのためのパイプラインに統合します。
  論文  参考訳（メタデータ） (2020-05-18T19:45:04Z)

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。