Fugu-MT 論文翻訳(概要): metasnf: Meta Clustering with Similarity Network Fusion in R

論文の概要: metasnf: Meta Clustering with Similarity Network Fusion in R

arxiv url: http://arxiv.org/abs/2410.17976v1
Date: Wed, 23 Oct 2024 15:39:08 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-24 13:54:37.206068
Title: metasnf: Meta Clustering with Similarity Network Fusion in R
Title（参考訳）: metasnf: Rでの類似ネットワークフュージョンによるメタクラスタリング
Authors: Prashanth S Velayudhan, Xiaoqiao Xu, Prajkta Kallurkar, Ana Patricia Balbon, Maria T Secara, Adam Taback, Denise Sabac, Nicholas Chan, Shihao Ma, Bo Wang, Daniel Felsky, Stephanie H Ameis, Brian Cox, Colin Hawco, Lauren Erdman, Anne L Wheeler,
Abstract要約: Metasnf は R パッケージで,クラスタソリューションの広い領域を効率的に検索するメタクラスタリングを適用することができる。パッケージには、クラスタの可視化、キャラクタリゼーション、バリデーションを支援する機能も含まれている。
参考スコア（独自算出の注目度）: 1.315939572838386
License:
Abstract: metasnf is an R package that enables users to apply meta clustering, a method for efficiently searching a broad space of cluster solutions by clustering the solutions themselves, to clustering workflows based on similarity network fusion (SNF). SNF is a multi-modal data integration algorithm commonly used for biomedical subtype discovery. The package also contains functions to assist with cluster visualization, characterization, and validation. This package can help researchers identify SNF-derived cluster solutions that are guided by context-specific utility over context-agnostic measures of quality.
Abstract（参考訳）: Metasnfは、ソリューション自体をクラスタリングすることで、クラスタソリューションの広い領域を効率的に検索するメタクラスタリングを、類似ネットワーク融合(SNF)に基づいたクラスタリングワークフローに適用できるRパッケージである。 SNFは、バイオメディカルなサブタイプ発見によく使われるマルチモーダルデータ統合アルゴリズムである。パッケージには、クラスタの可視化、キャラクタリゼーション、バリデーションを支援する機能も含まれている。このパッケージは、コンテキストに依存しない品質尺度よりもコンテキスト固有のユーティリティによって導かれるSNF由来のクラスタソリューションを特定するのに役立つ。

関連論文リスト

Analysis of Total Variation Minimization for Clustered Federated Learning [0.0]
クラスタ化されたフェデレーション学習は、ほぼ均一なローカルデータセットのクラスタを特定することで、この問題に対処する。クラスタ化フェデレーション学習における最近のアプローチの1つは、一般化総変分最小化(GTVMin)である。我々は、GTVMinソリューションとクラスタ平均との差を上界に導出する。
論文参考訳（メタデータ） (2024-03-10T20:07:14Z)
UniForCE: The Unimodality Forest Method for Clustering and Estimation of the Number of Clusters [2.4953699842881605]
我々は,一様性の概念に着目し,局所的一様性クラスタと呼ばれる柔軟なクラスタ定義を提案する。局所的ユニモーダルクラスタは、データのサブクラスタのペア間で一様性が局所的に保存される限り、拡張される。局所的な単調クラスタリングのためのUniForCE法を提案する。
論文参考訳（メタデータ） (2023-12-18T16:19:02Z)
Dynamically Weighted Federated k-Means [0.0]
フェデレートされたクラスタリングにより、複数のデータソースが協力してデータをクラスタリングし、分散化とプライバシ保護を維持できる。我々は,ロイドのk-meansクラスタリング法に基づいて,動的に重み付けされたk-means (DWF k-means) という新しいクラスタリングアルゴリズムを提案する。我々は、クラスタリングスコア、精度、およびv尺度の観点から、アルゴリズムの性能を評価するために、複数のデータセットとデータ分散設定の実験を行う。
論文参考訳（メタデータ） (2023-10-23T12:28:21Z)
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)
A One-shot Framework for Distributed Clustered Learning in Heterogeneous Environments [54.172993875654015]
異種環境における分散学習のためのコミュニケーション効率化手法のファミリーを提案する。ユーザによるローカル計算に基づくワンショットアプローチと、サーバにおけるクラスタリングベースのアグリゲーションステップは、強力な学習保証を提供する。厳密な凸問題に対しては,ユーザ毎のデータ点数がしきい値を超える限り,提案手法はサンプルサイズの観点から順序最適平均二乗誤差率を達成する。
論文参考訳（メタデータ） (2022-09-22T09:04:10Z)
Interpretable Clustering via Multi-Polytope Machines [12.69310440882225]
本稿では,クラスタデータポイントと,検出したクラスタの周辺にポリトープを構築して説明する,解釈可能なクラスタリングのための新しい手法を提案する。我々は,我々の手法を,人工クラスタリングと実世界のクラスタリングの一連の問題にベンチマークし,我々のアルゴリズムは,アート解釈可能で非解釈可能なクラスタリングアルゴリズムの状態を上回ります。
論文参考訳（メタデータ） (2021-12-10T16:36:32Z)
Attention-driven Graph Clustering Network [49.040136530379094]
我々は、注意駆動グラフクラスタリングネットワーク(AGCN)という新しいディープクラスタリング手法を提案する。 AGCNは、ノード属性特徴とトポロジグラフ特徴を動的に融合するために、不均一な融合モジュールを利用する。 AGCNは、教師なしの方法で特徴学習とクラスタ割り当てを共同で行うことができる。
論文参考訳（メタデータ） (2021-08-12T02:30:38Z)
Fuzzy Clustering with Similarity Queries [56.96625809888241]
ファジィ(fuzzy, soft objective)は、よく知られた$k$-means問題の一般化である。クエリを少なくすることで、問題の解決が容易になる。
論文参考訳（メタデータ） (2021-06-04T02:32:26Z)
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)
Kernel learning approaches for summarising and combining posterior similarity matrices [68.8204255655161]
我々は,ベイズクラスタリングモデルに対するMCMCアルゴリズムの出力を要約するための新しいアプローチを提案するために,後部類似性行列(PSM)の概念を構築した。我々の研究の重要な貢献は、PSMが正の半定値であり、したがって確率的に動機付けられたカーネル行列を定義するのに使用できることである。
論文参考訳（メタデータ） (2020-09-27T14:16:14Z)
Efficient Algorithms for Generating Provably Near-Optimal Cluster Descriptors for Explainability [36.11663695534294]
本稿では,クラスタに対する簡潔な表現を構築するための最近のアプローチを拡張して,クラスタをより解釈しやすくする問題について検討する。我々は,その問題に対する性能保証を証明可能な近似アルゴリズムを開発した。また、異なる脅威レベルを表すゲノム配列のクラスタを含むデータセットからのクラスタを説明するアプリケーションを示す。
論文参考訳（メタデータ） (2020-02-06T19:49:54Z)

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。