KDDJul, 2023

可视化重叠双聚类和布尔矩阵分解

PDF
TL;DR本文研究如何针对重叠聚类进行双分图可视化问题，并提出能够满足近距离聚类元素、连续区域聚类元素和大范围不间断设计限制的目标函数和算法，并在实际数据集上进行实验，发现最佳结果采用局部放置相似聚类成员行列的新型启发式算法。
发现论文，激发创造
  • 数据流中的双聚类和布尔矩阵分解

    本文在数据流中对二分图聚类和布尔矩阵分解问题进行了研究，提出一种使用亚线性空间复杂度，在数据流遍历一遍后能够恢复右部聚类的算法，并且在第二次遍历中能够恢复左部聚类，同时还能够扩展该算法来解决布尔矩阵分解问题。

    Dec, 2020

  • 二分图划分与数据聚类

    本文提出了一种基于分割二分图的新型数据聚类方法，旨在最小化未匹配的顶点之间的边权重总和，通过边权重矩阵的奇异值分解来近似解决这个最小化问题并且在文档聚类问题上取得了显著的效果。

    Aug, 2001

  • 共嵌套：通过映射在二分图上发现社群

    本文提出了一种基于项目投影的共同聚类算法，以解决处理双向图时向量空间模型表现的问题。通过在聚类检索任务中测试，该算法能够产生平衡良好的聚类和相关项目，并导致高的检索得分。

    Sep, 2021

  • 一个基于 SDP 的分支定界算法用于双聚类

    我们提出了一种定制的分支限界算法来解决 $k$-densest-disjoint biclique 问题，通过同时聚类数据矩阵的行和列，找到给定加权完全二分图的 $k$ 个不相交的完全二分子图（称为 bicliques），使它们的密度之和最大化。

    Mar, 2024

  • 应用光子量子计算对数据集进行双聚类分析

    使用玻色子抽样方法实现基于矩阵永久性的双聚类识别，并提出一种使用高斯玻色子抽样方法在数据集中找到最密集子图的启发式方法，通过将数据集转换为二部图并运行高斯玻色子抽样来实现。

    May, 2024

  • 在聚类价值和可解释性之间平衡权衡

    本文提出了一种可解释性的聚类算法，该算法通过优化可解释性，生成具有解释性的聚类，并使用频繁模式挖掘生成简单的说明，该算法适用于具有特征价值的大规模数据集。

    Dec, 2019

  • 从双变量投影重构高维数据集

    通过图形化解决方案重新构建高维数据集，包括查找团伙和讨论复杂情况，再加以其他方法处理，研究结果表明这些方法在很多情况下能够成功重建原始数据集。

    Dec, 2023

  • 基于交叉聚类的可扩展和可解释的产品推荐

    本文提出一种利用正反馈数据和重叠聚类算法生成直观可视化推荐结果的方法，并在真实工业数据和公开数据上表现出与矩阵分解等技术相媲美的推荐准确性。同时，文章还探讨了如何在 GPU 设备上高效实现该方法。

    Apr, 2016

  • 基于深度矩阵因式分解和分区对齐的多视角聚类

    提出了一种基于深度矩阵分解与分割对齐的新型多视角聚类算法，全面利用各视角的分区表示并融合多视角信息，通过交替优化算法解决优化问题，实验结果表明该算法在六个多视角数据集中优于目前的方法。

    May, 2021

  • 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