Dec, 2015

调整机会聚类比较度量

PDF
TL;DR本文介绍基于 Tsallis 熵的广义信息熵测量值计算方法，并将其应用于聚类比较中，从而提供了 AR1 和 AMI 的最佳应用场景和使用指南。
adjusted rand indexadjusted mutual informationgeneralized information theoretic measurespair-countinginformation theory
发现论文，激发创造
  • FastAMI-- 用蒙特卡罗方法进行聚类比较度量中的机会调整

    本文提出了一种基于蒙特卡罗方法的 FastAMI 算法，用于高效逼近除机会因素影响的 AMI 及其扩展版本 SMI，旨在解决大数据集下聚类比较的计算难题与偏差问题，并通过实验验证，FastAMI 方法能在维持比较精度的同时，显著提升运算速度，优于基于配对重排的 AMI 算法。

    May, 2023

  • 模糊聚类相似度度量的随机模型

    提出了一种用于计算调整兰德指数 (Adjusted Rand Index, ARI) 的单一框架，其中包括三种直观且可解释的随机模型，适用于硬聚类和模糊聚类，并具有较低的计算复杂度。该论文对所提出的模型的理论和假设与现有的排列模型进行了对比，对合理的模型选择对结果的可靠性至关重要。

    Dec, 2023

  • 使用归一化互信息评估重叠社区发现算法

    本文研究了算法精度的量化计量问题，基于正则化互信息熵提出了一种标准化测量方法，并与 Omega 指数等其他方法进行比较，以解决社交网络分析领域中重叠聚类的精度计量问题。

    Oct, 2011

  • 信息论外部聚类有效性度量

    本研究提出了一种针对聚类算法进行 “外部” 评估的性能度量，该度量具有 “允许比较不同数量群集的量化和原则” 的特性，并且可以量化地衡量群集标签对于类标签作为预测变量的有用性。

    Dec, 2012

  • 改进的互信息度量用于分类和社区检测

    本文介绍了互信息这一信息论中的重要量，在分类学和社区检测分析中被广泛应用，但在实际应用中常常会由于丢失关键的部分而产生误差。针对这一问题，本文提出了一种修正的互信息量，并讨论了该量化指标的实际实现方法和实例应用。

    Jul, 2019

  • 利用退火和基于能量的上下界提高互信息估计

    本文提出了基于重要性采样的互信息估计方法，包括基于多样本退火重要性采样的全局互信息界限、基于广义 IWAE 的边际互信息界限和基于 MCMC 采样的更紧密的边际互信息界限。在深度生成模型中应用实验，取得了比现有界限更高的性能。

    Mar, 2023

  • $α$- 互信息：数据共享隐私保护的可调节性隐私度量

    本研究使用 Arimoto 的 α- 互信息作为可调的隐私度量，在防止向对手泄露私人数据的隐私保护数据发布环境中，通过微调隐私度量，展示了我们的方法在各种性能维度上有效地阻挡攻击者的能力。

    Oct, 2023

  • 类比相关指数

    本文提出了一种基于类比比例的特征选择方法，即将类似性和不同性在两个标签不同的特征对 (a, b) 和 (c, d) 之间的相对关系应用于 (c, d)，并介绍了基于此的 Analological Relevance Index（ARI）作为一种统计测试来判断一个特征在标签方面的显著性，该方法能有效地检测特征冗余。

    Jan, 2023

  • 使用互信息的分层聚类

    本文提出了一种名为 MIC 算法的层次聚类数据的方法，采用相互信息作为相似度度量，并利用其聚组特性。将此方法应用于从线粒体 DNA 序列构建系统发育树以及独立成分分析（ICA）的输出。

    Nov, 2003

  • 广义互信息：一种用于判别聚类的框架

    本文介绍了深度聚类中相互信息作为无监督训练神经网络的客观标准的最大化并不能得到令人满意的聚类结果，并将核心距离更改为常见的挑战导致的原因。因此，我们通过引入广义相互信息 (GEMINI) 来推广相互信息，它是一组用于无监督神经网络训练的指标。与相互信息不同，一些 GEMINI 在训练时不需要正则化，因为它们在数据空间中具有几何意识的距离或核函数。最后，我们强调 GEMINI 可以自动选择相关的聚类数目，这是在深度判别聚类上很少研究的一个特性，因为聚类数目是先验未知的。

    Sep, 2023