ECCVAug, 2012

有向图中的聚合聚类：图度链接

PDF
TL;DR本研究提出了一种基于图的汇聚算法用于高维数据聚类，该算法通过研究图论中的两个基本概念（入度和出度）在聚类中的不同作用，定义了聚类的亲和度，该算法在图像聚类和物体匹配两个计算机视觉问题上均表现出优于最先进技术的效果。
发现论文，激发创造
  • 基于 k 近邻图的索引优化在高维数据中的近似查询

    研究高维向量数据的查询技术，提出了三种度调整方法并给出了优化参数，经验证，在高维图像和文本数据的检索准确性方面表现优于以前的方法。

    Oct, 2018

  • 有向图的高阶谱聚类

    本文研究了基于有向图的聚类，提出了基于 Hermitian 矩阵的近线性时间算法，并在合理假设下进一步证明该算法可以在亚线性时间内实现，并在 UN Comtrade 数据集上进行了广泛的实验，证明了算法的重要性。

    Nov, 2020

  • 聚类算法中完全连通和其他连通方法的内聚度的新界限

    我们改进了关于完全连接法在度量空间中得到的聚类最大直径的现有限制，其中一种新的限制能够在直径的近似度上将完全连接法与单连接法进行区分，从而验证了当目标是生成紧凑聚类时，前者比后者更适用。我们还展示了我们的技术可以用于推导包括非常流行的平均连接法在内的一类连结法的凝聚度的上限。

    May, 2024

  • 使用点积进行分层聚类可以恢复隐藏的树状结构

    本文提出了一种新的视角来考察聚类算法，侧重于恢复层次结构，并推荐了一种通过最大平均点积合并聚类的简单变体算法，该算法在数据的概率图模型下提供了真实的层次结构估计，并通过实际数据表现出比现有方法（如 UPGMA、Ward's 方法和 HDBSCAN）更出色的树恢复性能。

    May, 2023

  • 分层聚类优于平均链接

    本文研究了层次聚类问题，尤其是针对与平均链接聚类相关的性能和基于相似性和相异性的目标提出了新的算法，可以获得更好的结果。

    Aug, 2018

  • 图的度数作为无监督正常性测量的理论研究

    论文研究了基于图形数据集表示的正常样本度量方法，通过对频谱图和核方法进行分析和连接，证明了使用基于通用核的全连接图上的简单图度量方法，能够实现比其他无监督异常检测方法更高的准确率，并详细分析了核参数对方法准确性的影响。

    Jan, 2018

  • 近线性时间的分层聚合图聚类

    本文提出了一种层次凝聚图聚类算法框架并给出了完整的精确算法和近似算法，可以用于加权图的聚类问题，并通过用 $k$-NN 方法将点集转化为加权图，实现对点集的快速聚类。

    Jun, 2021

  • 属性图的聚类：模型、度量和方法

    该文章是关于图聚类中的属性图的现状调查，总结了最新的研究成果和主要的聚类算法，并且介绍了分析聚类结果的评估方法和当前存在的开放问题。

    Jan, 2015

  • 强健层次聚类

    本文提出了一种新的鲁棒的自下而上聚类算法，并展示了在满足一定自然属性且传统算法失效的情况下，该算法可以被用来进行准确的聚类。同时，该算法也被适用于归纳设置，并在合成数据和真实数据集上的实验表明，在存在噪音时，与其他分层算法相比，该算法可以获得更好的表现。

    Jan, 2014

  • 有向网络中的聚类与社区检测：综述

    该论文对有向网络的聚类算法进行了深入的综述，介绍了基本概念和方法学基础，并从方法论原理和好的群集特性的角度讨论了聚类算法。此外，还介绍了图聚类结果的评估方法和指标，展示了有趣的应用领域，并提出了未来的研究方向。

    Aug, 2013