Feb, 2023

特征向量选择和自适应 $k$ 的近似谱聚类

PDF
TL;DR该论文提出了一种利用两个相关指标来估算子空间嵌入中的聚类数，使用增长型神经气 (GNG) 逼近的算法，有效地解决了聚类问题，并在效率上与手动设置 k 的相似方法竞争。
spectral clusteringcomputational complexityapproximate spectral clustering (asc)estimating kgrowing neural gas (gng)
发现论文，激发创造
  • 近似谱聚类：效率和保证

    ASC 是一种用于图分区的启发式算法，其包含两个子程序，即通过幂方法计算近似的谱嵌入，并使用近似的 k-means 聚类算法对 resulting vector set 进行分区，通过其得到的 k-means 分区自然地引发了 G 中的 k-way 节点划分。

    Sep, 2015

  • 优化 k 最近邻图以实现计算上有效的谱聚类

    本文提出了一种在精简边界的 $k$-nearest neighbor graph 中基于局部统计的数据代表子集的近似谱聚类算法的方法，以提高其计算效率，且在人工合成的测试数据集和真实数据集中实验表明与常规方法相比较，该方法具有性能一致性和较少边界数量的特点。

    Feb, 2023

  • 理论与实践中的快速简单谱聚类

    本研究提出了一种基于顶点嵌入的简单谱聚类算法，通过幂法计算的向量，在接近线性时间内计算顶点嵌入，并在输入图形的自然假设下，算法能够可靠地恢复出真实聚类结果。通过在多个合成和现实世界数据集上的评估发现，该算法与其他聚类算法相比，具有显著更快的速度，并且产生的聚类准确度基本相同。

    Oct, 2023

  • 谱聚类的更紧密分析，以及更多

    本研究针对典型的谱聚类算法，探讨在一些较弱条件下其性能为何，还研究了利用少于 k 个特征向量进行嵌入的谱聚类，实验表明在合成和真实数据上，使用少于 k 个特征向量时，谱聚类也能够产生相当或更好的结果。

    Aug, 2022

  • 压缩谱聚类

    本文提出了一种基于图信号处理的方法，采用图滤波和随机采样技术加速生成 Laplacian 矩阵特征向量和 k-means 聚类算法步骤，该方法在控制误差的同时计算时间效率可达到数个数量级的提升，并在人工合成数据和真实网络数据集上进行测试。

    Feb, 2016

  • 滤波谱代数子空间聚类

    本篇文章提出了一种新的 ASC 算法来处理任意维度子空间中的嘈杂数据，根据构建点处的递减子空间序列和使用序列中子空间到其他点的距离来构造子空间聚类亲和力，在 Hopkins 155 数据集上的实验结果证明了该方法在稀疏低秩子空间聚类方法方面的优越性。

    Oct, 2015

  • 带最优图的统一谱聚类

    本文提出了一种改进的光谱聚类算法，旨在解决预定义的相似性图可能不是合适的聚类结果，并且传统离散化解决方法与光谱解决方案可能不一致的问题，并引入多核学习来解决如何选择最适合特定数据集的核的应用挑战。实验结果表明，该方法相比于现有的聚类方法具有更好的性能。

    Nov, 2017

  • 基于特征值的增量谱聚类

    基于子集集合的归一化特征值谱，我们提出了一种增量谱聚类方法，将数据分成可管理的子集，对每个子集进行聚类，根据特征值谱的相似性合并不同子集的聚类结果，从而实现整个数据集的聚类。实验结果表明，该方法能够获得接近整个数据集聚类结果的子集聚类和合并。

    Aug, 2023

  • 基于局部线性逼近的谱聚类

    本文研究了一种基于局部线性逼近残差的高阶谱聚类方法，考虑了聚类过程中的数据噪声和异常值问题，并在实验中验证了该算法具有更好的聚类效果。

    Jan, 2010

  • 使用随机信号的图滤波加速光谱聚类

    本文提出了一种基于图信号处理的快速谱聚类算法，通过使用图滤波器对随机信号进行谱聚类距离矩阵的估计，利用这些随机向量的随机性来估计聚类数目 k，相较于传统谱聚类方法，我们的方法在大规模数据集上表现相当且速度至少快二倍。

    Sep, 2015