Oct, 2018

通过快速传播聚类相似性增强集成聚类

PDF
TL;DR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。
ensemble clusteringdata miningmachine learningrandom walksconsensus functions
发现论文，激发创造
  • 集群感知的相似度扩散用于实例检索

    我们提出了一种新颖的基于聚类感知相似性 (CAS) 扩散的实例检索方法，以减少来自其他流形的影响，并通过引入逆约束项和邻居引导相似性平滑方法来优化相似性矩阵，实验结果证明了提出的 CAS 的有效性。

    Jun, 2024

  • 线性时间的 Evidence Accumulation 聚类方法与 KMeans

    通过实验和比较，本研究证明了集成聚类方法中的证据累积聚类和 k-means 算法在共识聚类中取得了较好的结果和较低的计算成本。

    Nov, 2023

  • 局部加权集成聚类

    本文提出了一种基于集合驱动聚类不确定性估计和本地加权策略的新的集合聚类方法，利用集合中的本地多样性，提出了两种新的一致性函数来提高聚类质量，并通过大量实验验证了其优越性。

    May, 2016

  • 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

  • 快速拓扑聚类算法与 Wasserstein 距离

    本文提出了一种基于持续同调和最优传输理论的新型计算实用的拓扑聚类方法，通过计算与节点连接部件和环相关联的持久条形码的 Wasserstein 距离和重心，对具有复杂拓扑结构的网络进行聚类，并在保留不同网络之间的节点对应关系的同时聚合网络。在模拟网络和测量功能脑网络上验证了该方法的有效性。

    Nov, 2021

  • 随机游走图嵌入的更广泛视角

    该论文提出了一个基于随机游走的图嵌入分析框架，包括三个组件：随机游走过程、相似性函数和嵌入算法，该框架不仅可以分类许多现有方法，而且自然地激发新方法，通过它，我们演示了改进下游任务性能的多个尺度嵌入的新方法。此外，我们还发现，基于自协方差相似性的嵌入，在与点积排名进行链路预测时，比基于点互信息相似性的最先进方法表现提高了多达 100％。

    Oct, 2021

  • 熵感知的相似度用于平衡聚类：以黑素瘤检测为例

    本文提出了一种新的基于 entropy-aware similarity 的方法用于 balanced clustering, 通过将熵纳入一个新的相似度公式中，将不平衡的数据进行互补聚类来最大化平衡度，实现成功聚类和患者黑色素瘤的识别。

    May, 2023

  • ClusterEA：基于随机训练和归一化小批量相似度的可扩展实体对齐

    ClusterEA 是一个通用的框架，利用小批量的高等价率实体，采用规范化方法扩大了实体对齐模型，以解决现有 embedding-based 方法中出现的几何问题，并融入在稀疏矩阵融合的基础上为实体对齐提出了新的 ClusterSampler 策略，该方案能够比现有最先进的可扩展性 EA 框架提高 8 倍的 Hits@1。

    May, 2022

  • Wasserstein 均值下的多层聚类

    本文提出一种新的方法来解决多层次聚类问题，该方法旨在同时将数据在每个组中分区，并在潜在的大型分层结构数据集中发现组间的分组模式。我们的方法涉及到多个离散概率测度空间上的联合优化方案，这些测度空间具有 Wasserstein 距离度量。通过利用与 Wasserstein barycenter 问题的联系，我们提出了该问题的许多变体，这些变体可以采用快速的优化算法。本文还建立了局部和全局聚类估计的一致性性质。最后，使用合成和真实数据展示了所提出方法的灵活性和可扩展性。

    Jun, 2017

  • 相似性保持聚类

    提出了一种更有区分性的图学习方法，该方法具有自适应性，可以保留样本之间的成对相似度，并且有效地统一了聚类和图学习，可在不执行进一步聚类步骤的情况下直接从图本身获取聚类指标。

    May, 2019