May, 2023

熵感知的相似度用于平衡聚类：以黑素瘤检测为例

PDF
TL;DR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。
clusteringunsupervised learningbalanced clusteringentropy-aware similaritymelanoma detection
发现论文，激发创造
  • 基于异常得分的不平衡数据集集成学习

    提出了一种基于异常检测算法引导重采样策略并将其组合成子集的集成学习框架 $ASE$，在各种不平衡度、数据规模和数据维度下，实验表明该模型可以显著提高基分类器的性能且比其他现有方法更高效。

    Mar, 2022

  • 通过经验风险最小化从成对相似性 / 不相似性和无标签数据中进行分类

    该论文提出了一种利用成对数据信息进行分类的方法，其中使用了经验风险最小化方法来评估分类风险，可以从成对相似性和未标记数据计算出分类风险的无偏估计器。这种方法不仅可以处理相似性，而且还可以处理不相似性，并且可以估计误差范围。

    Apr, 2019

  • 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

  • 通过快速传播聚类相似性增强集成聚类

    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。

    Oct, 2018

  • 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

  • 一种基于信息熵负载的聚类方法

    本文提出了一种基于信息理论的聚类方法，通过该方法聚类结果的熵载荷能够最大化，避免了需要预设特定参数的问题，可用于图像分割、对象分类等领域，也可作为无监督学习的基础。

    Sep, 2022

  • 通过无监督相似度度量集成的高级源代码克隆检测

    该研究介绍了一种新的集成学习方法来评估代码相似性，结合多种无监督相似度度量的优点。初步结果表明，尽管基于 Transformers 的 CodeBERT 和其变种 GraphCodeBERT 在有充足训练数据的情况下是最佳选择，但在特定的小数据集（最多 500 个样本）的情况下，我们的集成方法达到了类似的结果，而且结果解释性较强，与训练相关的碳足迹明显较低。

    May, 2024

  • 通过投影熵聚类单词

    应用熵聚类算法对文学文本进行聚类分析，实验结果表明该算法具有在捕捉文本中单词之间显著关系方面的实用性。

    Oct, 2014

  • EMBERSim: 用于提升恶意软件分析中相似性搜索的大规模数据库

    近年来，从基于启发式的恶意软件检测转向机器学习，后者对于当前存在严峻的对抗性威胁环境更为强大。然而，我们注意到相似性研究可用数据稀缺，导致相关作品偏重量化恶意软件的相似性而忽视了干净数据，这种单方量化在检测绕过中尤其危险。为此，我们提出从二进制文件的相似性研究空间入手，解决这些不足，并以大型恶意软件分类数据集 EMBER 为基础进行增强，加入相似性信息以及恶意软件类别标签以促进进一步的相似性研究。我们的贡献是三方面的：(1) 发布了 EMBERSim，EMBER 的增强版本，包括相似性提供的标签；(2) 使用开源工具 AVClass 在 VirusTotal 数据上自动确定恶意软件类别标签，丰富了 EMBERSim；(3) 描述并分享了我们的类别评分技术和叶相似性方法的实现。

    Oct, 2023

  • 利用成对分布差异的亲和力聚类框架进行数据去偏差

    本文提出一种利用亲和力聚类进行数据增强的方法（MASC），以平衡目标数据集中受保护群体和非受保护群体的比例和代表性，通过共享受保护属性的相似数据集的实例并使用非参数谱聚类进行优化数据集分类。实验结果显示该方法可以有效地消除数据偏见。

    Jun, 2023