COBRA:一种带有成对约束的快速简单的主动聚类方法
研究了一个凸形式的双聚类问题,其中提出了一种迭代算法 COBRA,此算法拥有全局极小值并且生成一个整体的解决方案。它包含了稳定性和可重复性的优点,并在模拟和实际微阵列数据上具有优点。
Aug, 2014
本文研究了带有结构约束条件的层次聚类问题,提出了两种基于优化视角的自顶向下算法,并且通过公式化约束性正则化的方法在存在冲突先验信息的情况下得出了良好的解,同时探讨了基于差异性信息变化的目标函数的变形并进一步优化了当前技术,最后将该方法应用于实际数据集的分类学应用
May, 2018
本文详细介绍了约束聚类算法的背景和各种可用约束类型的评级分类,重点研究了基于实例级对偶约束的约束聚类及应用程序和历史背景,并对 307 种约束聚类方法进行了统计分析,根据其受欢迎程度和验证质量对其进行了分类和排名评分,最后提供了潜在的陷阱和未来的研究方向。
Feb, 2023
本文提出了一种新的受限聚类算法,该算法可以在考虑已有对比信息的情况下最大程度地满足约束条件,而不会将已知的链接信息转化为距离信息,以此来高效地学习核与度量,并在各种公共数据集上的表现明显优于现有方法。同时,本文还探讨了该方法如何应用于大数据处理,可以有效提高可扩展性。
Mar, 2022
本研究提出了一种新方法来解决在存在成对约束和单调性约束时执行聚类的问题,通过定义一种特定的距离测量方法并设计目标函数实现了这一目的,并使用 EM 优化算法进行优化,该方法在多个基准数据集和一个现实世界的案例中进行了测试。
Feb, 2023
提出了一种新颖的随机成对约束方法,用于多个关键聚类目标函数,可用于建模应用程序的收缩和分析,如聚类中的公平性和半监督学习中的 Must-link 约束,并提供了近似算法的具有可证明保证的通用框架。
Mar, 2021
通过在短句设置中提取和总结相关信息,我们研究了以层次化方式对单词进行聚类的问题,特别是关注具有水平和垂直结构约束的聚类问题,我们通过将问题分为两个步骤来克服现有技术的瓶颈,首先,将其作为一个有软约束的正则化最小二乘问题来引导顺序图粗化算法的结果朝向水平可行解集,然后通过计算基于可用约束的最优截断高度从生成的层次树中提取平坦的聚类,我们展示了这种方法相对于现有算法具有很好的比较性能且计算上轻量级。
Dec, 2023