Dec, 2023

基于相似驱动的嵌套重要性抽样在数据集中的群集数量的人机协同估计

PDF
TL;DR基于逐对相似性的人工反馈和统计估计的聚类数量方法。
发现论文，激发创造
  • 基于探测器的重要性采样的大规模图像集计数

    提出了一种基于探测器和人机筛选的重要性抽样框架 DISCount 用于大规模图像集合中的目标检测和计数，能够显著减少标签成本并提高筛选效率。

    Jun, 2023

  • 基于协变量重要性采样的卫星图像大规模目标计数

    通过对高分辨率卫星图像进行目标检测并对样本进行抽样估计，使用重要性采样方法准确估算目标数量，达到优秀的性能表现。

    Dec, 2021

  • 无需地面真值的图像聚类

    该论文介绍了一种基于众包模型的图像聚类方法，可应对无法得知聚类数目的情况，该方法的有效性已通过在多个人工数据集上的应用得到了证明。

    Oct, 2016

  • 高效知识图谱准确率评估

    通过使用簇抽样、加权和两阶段抽样，以及分层的抽样设计，提出了一种有效的抽样和评估框架，该框架旨在在最小化人力成本的同时提供具有强大统计保证的高质量的准确性评估。

    Jul, 2019

  • 测量异构集合中人类感知的相似性

    本文提出了一种技术，可以估计对象之间的相似度，如电影或食品，其适当的表达取决于人类的感知，这种相似度函数可以捕获一些难以自动提取的人类相似度的概念，当与用户模型相结合时，我们发现每个评估者的口味变化会影响他们对相似度的感知。

    Feb, 2018

  • 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

  • 随机模型对聚类相似性的影响

    本论文研究聚类的相似性度量方法，为不同的随机聚类模型推导了两个校正变体，比较了它们在合成例子，手写识别和基因表达数据中的效果，并指出随机聚类模型的选择对评估聚类方法和聚类对比排序有重大影响。

    Jan, 2017

  • 查询 K 均值聚类和双 Dixie 杯问题

    本研究提出了基于同类簇查询与有噪音答案的方法，解决了离群点存在情况下的近似 K-means 聚类优化问题，证明了在一定条件下可以以大概率获得最优潜在解的 (1+ε）近似解，并且比目前已知的方法减少了同类簇查询数量。这种方法也推广到了控制噪音、离群点的场景中，同时在人造数据集和真实数据集上进行了测试。

    Jun, 2018

  • 利用逆 K 近邻图和多尺度上采样改进稠密人群计数卷积神经网络

    使用逆 k 近邻 (i$k$NN) 图像标签方案并结合多尺度上采样的神经网络架构可有效提高人群计数的准确性。

    Jan, 2019

  • 集群关闭的快速近似 $k$ 均值算法

    本文提出了一种新的近似 k-means 算法，采用多个随机空间分区树将数据预先组装成相邻点的组，并使用邻域信息构造每个簇的闭合形式，从而在分配步骤中只需考虑少量簇的候选项，证明该方法在聚类质量和效率方面优于现有的近似 k-means 算法。

    Dec, 2013