Jun, 2022

一种基于分布的软聚类比较和评估方法

PDF
TL;DR本论文提出了一种创新性的解决方案，通过以软聚类 (Soft Clustering) 作为硬聚类 (Hard Clustering) 分布的形式来扩展比较度量，以适应 SC 算法结果中的不确定性。经过深入研究和实验证明此方法的可行性。
发现论文，激发创造
  • 分布式相似度评价

    本文研究了分布相似度量的应用，以提高对未见共现情况的概率估计。我们的研究贡献有三个：通过广泛的比较实现了相似度量的分类，通过信息融合确定相似函数类型，介绍一种优秀的函数进行潜在代理分布的量化评估。

    Jan, 2000

  • 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

  • 一种基于分布的轨迹相似度测量方法

    本文介绍了一种使用分布式内核来表示轨迹和测量其相似度的简单而强大的方法，该方法解决了轨迹测量的两个主要不足之处，并在异常检测，子轨迹异常检测和轨迹模式挖掘等任务中表现出卓越的性能。

    Jan, 2023

  • 利用邻域树的关系聚类表达差异性测量

    本文介绍了一种新的关系数据相似度量，该相似度量包括属性相似度、关系上下文相似度和超图中的近邻性，并实验验证了它在不同类型数据集上聚类质量的影响，结果表明使用该相似度可以产生更好的聚类效果，优于现有的相似度测量方法。

    Apr, 2016

  • 聚类中的硬聚类和软聚类方法的信息论分析

    本文通过信息论分析研究了几种不同的分配方法，包括 “硬分配” 和 “软分配”，发现 K-means 和 EM 算法之间的系统差异。同时提出了一种后验分配方法，与 EM 的 “软分配” 相似，但具有截然不同的算法。

    Feb, 2013

  • 离散分布的谱聚类

    我们提出了一个基于谱聚类和分布相似度度量（如最大均值差异和 Wasserstein 距离）的简单而有效的框架用于离散分布聚类，并通过使用线性最优输运在大规模数据集上高效地构建相似矩阵，得到了较高的聚类准确率和计算效率。

    Jan, 2024

  • 只有在聚类无关紧要时才很困难

    本文提出了一个基于度量空间的 “好聚类” 的理论框架，展示了如果存在好的聚类，则在许多情况下可以轻易地找到它，因此与流行观点相反，聚类不应被视为一项艰苦的任务。

    May, 2012

  • 聚类中的分布式个体公平性

    本文研究公平聚类问题并提出了采用 f - 散度测量统计相似度，以确保相似的个体得到类似的对待，该方案保证了群体公平性与个人公平性。在 $p$- 范目标的约束下，我们提供了可证明的近似保证聚类算法。同时，我们还考虑了群体公正和个人公正在受保护群体内的实现条件，并证明了个人公平性是群体公平性的必要条件。实验证明了这种方法的有效性。

    Jun, 2020

  • 语义距离的分布度量：一份调查报告

    本文研究了语义距离的分布式度量方法，比较了这种方法和基于 WordNet 的方法的优缺点，并讨论了混合方法的最新工作。

    Mar, 2012

  • 英语单词的分布式聚类

    该研究提出并实验评估了一种利用确定性退火方法将单词自动聚类的方法，使得聚类结果成为一种层次结构的软聚类，并将其用作词共现的类模型基础，然后利用测试数据进行了评估。

    Aug, 1994