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
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
研究数据驱动的算法选择和度量学习以在聚类问题中同时学习最佳算法和度量。我们的工作考虑从基础度量函数中学习的凸组合的距离函数集合,为此设计了有效的学习算法,并对这些技术进行了全面的实证评估,表明它们可以显著提高聚类性能。
Jul, 2019
本篇论文研究层次聚类的优化问题,通过提出一些可靠的任务目标函数并对实际算法进行分析,提供了更优的算法以及性能表现。
Apr, 2017
本文介绍了一种适用于一组点之间的层次结构的简单代价函数,该函数基于这些点之间的相似性,克服了现有算法由于缺乏精确客观函数而退化的问题。作者进一步证实该方法在经典实例中表现出良好的性能,并提出了一种上行建设程序,其近似比可以证明是好的。
Oct, 2015
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
本研究提出了一种利用类似集合训练模型的方法,通过添加基于 hinge 和正交约束的两个新项到目标函数中,避免了训练过程中出现的收缩、部分收缩和崩溃问题,并在公共和真实数据集上的实验表明,在只使用类似对的情况下,该方法优于采用大量非类似对的最先进的方法。
Aug, 2022
该研究提出了一种层次相关聚类方法,并研究了将其嵌入到树保持嵌入和特征提取中的连接,特别是关于使用最小化极大距离进行相关聚类的性能测试结果基于 UCI 和 20 个新闻组数据集。
Feb, 2020
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。
Aug, 2012