Fugu-MT 論文翻訳(概要): Generative Kernel Spectral Clustering

論文の概要: Generative Kernel Spectral Clustering

arxiv url: http://arxiv.org/abs/2502.02185v1
Date: Tue, 04 Feb 2025 09:59:45 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-05 14:57:38.999092
Title: Generative Kernel Spectral Clustering
Title（参考訳）: カーネルスペクトルクラスタリング
Authors: David Winant, Sonny Achten, Johan A. K. Suykens,
Abstract要約: 本稿では,カーネルスペクトルクラスタリングと生成モデルを組み合わせた新しいモデルであるGenerative Kernel Spectral Clustering(GenKSC)を提案する。 MNISTとFashionMNISTデータセットの結果は、意味のあるクラスタ表現を学習するモデルの能力を示している。
参考スコア（独自算出の注目度）: 12.485601356990998
License:
Abstract: Modern clustering approaches often trade interpretability for performance, particularly in deep learning-based methods. We present Generative Kernel Spectral Clustering (GenKSC), a novel model combining kernel spectral clustering with generative modeling to produce both well-defined clusters and interpretable representations. By augmenting weighted variance maximization with reconstruction and clustering losses, our model creates an explorable latent space where cluster characteristics can be visualized through traversals along cluster directions. Results on MNIST and FashionMNIST datasets demonstrate the model's ability to learn meaningful cluster representations.
Abstract（参考訳）: 現代のクラスタリングアプローチは、特にディープラーニングベースの手法において、パフォーマンスの解釈可能性と交換することが多い。本稿では,カーネルスペクトルクラスタリングと生成モデルを組み合わせた新しいモデルであるGenerative Kernel Spectral Clustering(GenKSC)を提案する。再構成とクラスタリング損失による重み付き分散最大化を増大させることで,クラスタ特性をクラスタ方向に沿って可視化できる探索可能な潜在空間を創出する。 MNISTとFashionMNISTデータセットの結果は、意味のあるクラスタ表現を学習するモデルの能力を示している。

関連論文リスト

Hierarchical Clustering for Conditional Diffusion in Image Generation [12.618079575423868]
本稿では,階層クラスタ上で拡散モデルを用いて,高品質なクラスタ固有世代を得る,深層生成モデルであるTreeDiffusionを紹介する。提案するパイプラインは,データの階層構造を学習するVAEベースのクラスタリングモデルと,クラスタ毎に現実的な画像を生成する条件拡散モデルである。
論文参考訳（メタデータ） (2024-10-22T11:35:36Z)
NeurCAM: Interpretable Neural Clustering via Additive Models [3.4437947384641037]
解釈可能なクラスタリングアルゴリズムは、取得したグループを説明しながら、類似したデータポイントをグループ化する。本稿では、解釈可能なクラスタリング問題に対する新しいアプローチであるNeurCAM(Neur Clustering Additive Model)を紹介する。本手法は,テキストデータのクラスタリングにおいて,他の解釈可能なクラスタリング手法よりも優れている。
論文参考訳（メタデータ） (2024-08-23T20:32:57Z)
GCC: Generative Calibration Clustering [55.44944397168619]
本稿では,特徴学習と拡張をクラスタリングに組み込む新しいGCC法を提案する。まず,実検体と実検体間の固有関係を識別する識別的特徴アライメント機構を開発する。第二に、より信頼性の高いクラスタ割り当てを生成するための自己教師付きメトリック学習を設計する。
論文参考訳（メタデータ） (2024-04-14T01:51:11Z)
Multi-View Clustering via Semi-non-negative Tensor Factorization [120.87318230985653]
半負のテンソル因子分解(Semi-NTF)に基づく新しいマルチビュークラスタリングを開発する。本モデルは、ビュー間の関係を直接考慮し、ビュー間の補完情報を利用する。さらに,提案手法の最適化アルゴリズムを提案し,そのアルゴリズムが常に定常KKT点に収束することを数学的に証明する。
論文参考訳（メタデータ） (2023-03-29T14:54:19Z)
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)
flow-based clustering and spectral clustering: a comparison [0.688204255655161]
本研究では,本質的なネットワーク構造を持つデータに対する新しいグラフクラスタリング手法を提案する。我々は、ユークリッド特徴ベクトルを構築するために、データ固有のネットワーク構造を利用する。以上の結果から,クラスタリング手法が特定のグラフ構造に対処できることが示唆された。
論文参考訳（メタデータ） (2022-06-20T21:49:52Z)
DeepCluE: Enhanced Image Clustering via Multi-layer Ensembles in Deep Neural Networks [53.88811980967342]
本稿では,Ensembles (DeepCluE) を用いたDeep Clusteringを提案する。ディープニューラルネットワークにおける複数のレイヤのパワーを活用することで、ディープクラスタリングとアンサンブルクラスタリングのギャップを埋める。 6つの画像データセットの実験結果から、最先端のディープクラスタリングアプローチに対するDeepCluEの利点が確認されている。
論文参考訳（メタデータ） (2022-06-01T09:51:38Z)
Deep adaptive fuzzy clustering for evolutionary unsupervised representation learning [2.8028128734158164]
大規模で複雑な画像のクラスタ割り当ては、パターン認識とコンピュータビジョンにおいて重要かつ困難な作業です。反復最適化による新しい進化的教師なし学習表現モデルを提案する。ファジィメンバシップを利用して深層クラスタ割り当ての明確な構造を表現するディープリコンストラクションモデルに対して,共同でファジィクラスタリングを行った。
論文参考訳（メタデータ） (2021-03-31T13:58:10Z)
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)
Robust spectral clustering using LASSO regularization [0.0]
本稿では,ブロックモデルと密接な関係を持つ新しいランダムモデルを用いて,スペクトルクラスタリングの一種である1スペクトルクラスタリングを提案する。その目標は、グラフの自然な構造を明らかにする1の最小化問題のスパース固有基底解を促進することである。
論文参考訳（メタデータ） (2020-04-08T07:12:56Z)

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。