PaVa：一种基于路径的寻谷聚类算法

Jun, 2023

PaVa：一种基于路径的寻谷聚类算法

PaVa: a novel Path-based Valley-seeking clustering algorithm

Lin Ma, Conan Liu, Tiefeng Ma, Shuangzhe Liu

TL;DR本文提出了一种新颖的基于路径的寻谷聚类算法，用于处理形状任意的聚类，该算法利用路径距离（minmax 距离）将聚类之间的不规则边界转换为完美的球壳，然后寻找这些转换过的密度谷并提取聚类，最后实验表明该算法精确高效，适用于多个领域。

Abstract

clustering methods are being applied to a wider range of scenarios involving more complex datasets, where the shapes of clusters tend to be arbitrary. In this paper, we propose a novel path-based valley-seeking clusteri

clustering methods arbitrarily shaped clusters path-based valley-seeking clustering algorithm density valleys spherical shells

发现论文，激发创造

VDPC: 变分密度峰聚类算法

通过识别代表性点、构建初始聚类，再结合 DPC 和 DBSCAN 的优点，使用 VDPC 算法对不同密度分布的数据集进行系统的自动聚类

Dec, 2021

大数据聚类草图与验证

本文提出了一种用于大数据分析的高效聚类框架 ——SkeVa family，它包括基于 k 均值聚类和核函数聚类的算法，并使用随机采样和一致性 (RANSAC) 思想进行降维和集合简化。此外还引入了一种基于离散度准则的算法。通过在大规模数据集上的实验，发现这些算法与最先进的随机投影方案相比，具有非常良好的竞争性能。

Jan, 2015

船舶路径识别的空间聚类方法

本论文提出了一种空间聚类方法来标记船舶路径，并使用位置信息。通过整合无监督机器学习技术来增强路径聚类的准确性，以及基于似然的路径建模和分割来进行更详细的分析，研究结果展示了该方法的卓越性能和高效性。该方法旨在为航线规划提供有价值的见解，最终提升海上交通的安全性和效率。

Mar, 2024

超球上小方差的非参数聚类

本文提出了基于 Bayesian 非参数 von-Mises-Fisher 混合分布的小方差限制的两种新的灵活高效的聚类算法，这些算法自然地与方向数据的几何结构相符，旨在描述人工环境中的表面正常分布，其在计算机视觉应用中具有重要意义，包括场景理解、平面分割和三维重建的规则化。

Jul, 2016

Laplacian K-modes 算法聚类

提出一种新算法 - Laplacian K-modes 聚类算法，它融合了聚类中三种不同的思想：K-means 中的隐式分配变量，mean-shift 中的密度估计，和图拉普拉斯正则化效应中的近邻点相似性分配，该算法可以解决难以聚类的问题，同时提供了一个预测新点的软分配映射。

Jun, 2014

通过 MPI 并行计算系统进行矩阵计算的密度峰聚类算法

通过使用两种向量距离矩阵和反向领先节点发现策略，我们提出了一种忠实且并行的密度峰值聚类方法，该方法能够在聚类大规模欧几里得数据时显示出优越的准确性，并且能够聚类非欧几里得数据，例如在社区检测中。

Jun, 2024

极值理论概率分布聚类

本文基于极值理论的广义帕累托分布，提出了一种新的聚类算法 GPD k-means，它模型化了聚类的距离分布，并用概率模型描述了每个类别。实验证明，在合成数据集和真实数据集上，GPD k-means 优于传统聚类算法。

Feb, 2022

扰动生成树的可微聚类

提出了一种基于最小权重生成树的可微聚类方法，通过线性规划的随机扰动实现平滑和高效的梯度计算，从而在端对端可训练流水线中进行聚类，并演示其在高噪声和具有挑战性的数据集上的性能和用于半监督任务的。

May, 2023

改善的图聚类

本文提出了一种新算法 —— 最大似然凸化版本，用于解决在随机块模型环境下的社交网络图聚类问题，相较于目前已有算法，本文算法在允许普遍规模的簇大小时的表现高出多项式因子。

Oct, 2012

潜在的随机步骤作为最大割、最小割和更多的松弛

基于非负矩阵分解的概率模型统一了节点聚类和图简化，提供了建模任意图结构的框架。通过将硬聚类放松为软聚类，我们的算法将潜在的困难聚类问题转化为易处理的问题。

Aug, 2023