Jul, 2012

无监督模糊聚类的基于相似度的簇合并方法

PDF
TL;DR本文提出了一种相似性驱动的聚类合并算法，用于解决聚类验证问题，算法采用聚类相似度矩阵计算相似性，自适应阈值进行合并，同时使用具有 p - 范数距离和聚类主成分的修改广义目标函数来进行非监督聚类。
similarity-driven cluster mergingunsupervised fuzzy clusteringfuzzy cluster similarity matrixprototype-based fuzzy clusteringprincipal components
发现论文，激发创造
  • 无聚类中心的模糊 K 均值聚类

    本文提出了一种新颖的模糊 K-Means 聚类算法，通过距离矩阵计算获得成员矩阵，从而完全消除了对聚类中心的依赖，增强了距离测量和算法的性能与鲁棒性。实验证明了该算法的有效性。

    Apr, 2024

  • 主动聚类：使用自适应选择的相似性进行健壮高效的分层聚类

    本文研究基于少量配对相似性进行层次聚类的方法，证明如果簇内相似性超过簇间相似性，则可正确确定层次聚类，提出一种自适应聚类方法并解决了具有噪声相似度值的情况。

    Feb, 2011

  • 数据聚类的判别相似度

    本文提出了一种名称为 CDS 的新的聚类方法，其使用学习出的判别式相似度对数据集进行无监督聚类，并通过 Rademacher 复杂度对其进行了一般化分析。同时，使用核密度分类的积分平方误差界也可以导出所得到的判别相似度。在使用核函数作为相似度函数的情况下，使用 CDS 聚类方法的有效性已通过实验结果得到证明。

    Sep, 2021

  • 聚类的计算理论与半监督算法

    提出了一种计算理论和半监督聚类算法，将聚类定义为根据所选的聚类原则和度量方法获得数据分组，使每个组不包含异常值，所有其他示例被认为是边缘点，孤立的异常值、异常簇或未知簇。

    Jun, 2023

  • 相似性和聚类的双生学习：统一的核方法

    为解决相似性测量困难及非线性相似性未被充分考虑等问题，在核空间中提出一种模型，同时学习聚类指示器矩阵和相似度信息，并通过多核学习能力进一步扩展模型以选择最合适的内核。该模型可自动完成三个子任务以获得最佳聚类解决方案。

    May, 2017

  • 带最优图的统一谱聚类

    本文提出了一种改进的光谱聚类算法，旨在解决预定义的相似性图可能不是合适的聚类结果，并且传统离散化解决方法与光谱解决方案可能不一致的问题，并引入多核学习来解决如何选择最适合特定数据集的核的应用挑战。实验结果表明，该方法相比于现有的聚类方法具有更好的性能。

    Nov, 2017

  • 通过快速传播聚类相似性增强集成聚类

    本文提出了一种新颖的基于随机游走的集成聚类方法，通过快速传播集群间相似性解决了现有算法所面临的对象级别信息和多尺度间接联系隐藏等方面的挑战，并提出了两个新的一致性函数以获得一致聚类结果。

    Oct, 2018

  • 基于信息的聚类

    该研究采用信息理论的视角来重新构造聚类问题，避免了许多现有聚类方法所依赖的非常规结构的假设，且捕捉了非线性关系。基于集体相似度而非传统的成对度量，该方法在不同领域内都表现出比现有算法更高的聚类一致性。

    Nov, 2005

  • 基于投影技术和余弦相似度测量的直觉模糊决策新方法

    基于投影技术和余弦相似度测量的直觉模糊集相似度测量方法首次被提出，开发了一种基于该方法的多属性决策和医学诊断方法，与现有方法相比具有更高的准确性，在医学诊断领域具有快速诊断疾病的能力，可应用于直觉模糊集和区间价值直觉模糊集。

    Nov, 2023

  • 无监督点云配准的可靠内点评估

    该论文提出了一种基于邻域一致性的可靠内点评估方法，以提高无监督点云配准的精度，并利用匹配映射细化模块和内点评估模块配合实现精确配准，最终使用加权 SVD 算法进行转换估计。

    Feb, 2022