Sep, 2023

使用自动簇数选择的中心轮廓聚类

PDF
TL;DR聚类结果评估困难，高度依赖于数据集和观察者的视角，本文讨论 Silhouette 的高效中心点版本，进行了理论分析，提供两种快速版本以直接优化，并讨论了选择最佳聚类数的使用，实验证明与原有 PAMMEDSIL 算法相比，其在具有 30000 个样本和 k=100 的真实数据上的速度提升为 10464 倍。另外，我们提供了一种直接选择最佳聚类数的变体。
clustering resultssilhouettemedoid-based variantclustering quality measuresoptimal number of clusters
发现论文，激发创造
  • 分布式 Silhouette 算法：对大数据进行聚类评估

    本文提出了一种可在分布式环境中高效并行运行的线性复杂度算法来计算聚类的 Silhouette 指数。该算法可以在 Apache Spark ML 库中免费使用。

    Mar, 2023

  • 快速 k-Medoids 聚类：改进 PAM、CLARA 和 CLARANS 算法

    本文提出了 PAM 算法的修改，以达到算法第二个步骤中 O (k) 倍的加速，同时发掘了选择初始核心点的其他策略，实验证明与原始 PAM SWAP 算法相比，算法速度可提升 200 倍，适用于大型数据集和更高的 K 值。

    Oct, 2018

  • 基于中心点的稀疏分区

    PAM（Partitioning Around Medoids）是一种常用的聚类技术，本文提出了一种基于稀疏和非对称变体的方法，用于处理图数据等大规模问题，通过利用稀疏性，可以避免二次运行时间和内存要求，并使用贪婪初始解和优化操作相结合的策略来确定聚类个数以解决传统启发式算法无法找到好的初始条件的问题。

    Sep, 2023

  • 重游轮廓：从微观到宏观聚合

    通过使用合成示例，研究论文表明宏平均的轮廓系数分数对聚类不平衡和背景噪声具有鲁棒性，与典型的微平均分数相比，在多种情况下提供更好的估计聚类数量的地面真实性。

    Jan, 2024

  • 鲁棒自动数据聚类：狄利克雷过程遇见中位数均值

    通过整合基于模型和基于质心的方法，提出了一种高效且自动的聚类技术，解决噪声对聚类质量的影响，并确保无需提前指定聚类数的优点。在模拟和真实数据集上进行了严格评估和统计保证，表明我们提出的方法优于现有先进聚类算法。

    Nov, 2023

  • 基于 K-modes 算法的聚类

    通过密度和簇分配的概念，提出了一种 K-modes 目标函数算法，能够有效地聚类数据并找到有效的模式，相比于 K-medoids 和 mean-shift 更快且更加鲁棒。

    Apr, 2013

  • 基于 K-medoids 算法的主动距离聚类

    提出了一种新的 k-medoids 聚类算法，该算法只需要一小部分数据点之间的距离，并利用三角不等式来估算未知距离的上界，并采用递归方法和主动选择数据点的方法，在真实世界和合成数据集上经验证明其能够找出合适的聚类效果。

    Dec, 2015

  • 使用软轮廓得分的深度聚类：紧凑且互相独立的聚类

    这篇论文介绍了一种基于深度聚类的无监督学习方法，通过优化 soft silhouette 目标函数，引导学习到的表示形成紧凑且分离良好的聚类解决方案，使用了自编码器构建的深度学习结构，对多个基准数据集进行了实验，并获得了令人满意的聚类结果。

    Feb, 2024

  • BanditPAM++：快速 $k$ 介数聚类

    BanditPAM++ 是一种改进的 $k$-medoids 聚类算法，通过两个算法改进在复杂度和运行时间上比 BanditPAM 更快，并提供了可从 Python 和 R 调用的高性能 C++ 实现。

    Oct, 2023

  • 分布式聚类与异常检测的实用算法

    本文提出了一种基于简要构建的数据摘要的分布式无监督学习算法，对异常点的全局识别有很好的近似保证，并在真实和人工数据上超过了所有基线算法。

    May, 2018