Dec, 2023

模糊聚类相似度度量的随机模型

PDF
TL;DR提出了一种用于计算调整兰德指数 (Adjusted Rand Index, ARI) 的单一框架，其中包括三种直观且可解释的随机模型，适用于硬聚类和模糊聚类，并具有较低的计算复杂度。该论文对所提出的模型的理论和假设与现有的排列模型进行了对比，对合理的模型选择对结果的可靠性至关重要。
adjusted rand indexclusteringsrandom modelsfuzzy clusteringscomputational complexity
发现论文，激发创造
  • 调整机会聚类比较度量

    本文介绍基于 Tsallis 熵的广义信息熵测量值计算方法，并将其应用于聚类比较中，从而提供了 AR1 和 AMI 的最佳应用场景和使用指南。

    Dec, 2015

  • 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

  • 类比相关指数

    本文提出了一种基于类比比例的特征选择方法，即将类似性和不同性在两个标签不同的特征对 (a, b) 和 (c, d) 之间的相对关系应用于 (c, d)，并介绍了基于此的 Analological Relevance Index（ARI）作为一种统计测试来判断一个特征在标签方面的显著性，该方法能有效地检测特征冗余。

    Jan, 2023

  • FastAMI-- 用蒙特卡罗方法进行聚类比较度量中的机会调整

    本文提出了一种基于蒙特卡罗方法的 FastAMI 算法，用于高效逼近除机会因素影响的 AMI 及其扩展版本 SMI，旨在解决大数据集下聚类比较的计算难题与偏差问题，并通过实验验证，FastAMI 方法能在维持比较精度的同时，显著提升运算速度，优于基于配对重排的 AMI 算法。

    May, 2023

  • AIRI：使用人工智能预测保留指数及其不确定性

    通过使用深度神经网络，我们研究了从结构预测 Kovats 保留指数（RI），并使用该模型预测了 NIST EI-MS 光谱库中 RI 值，从而提高了化学物质的识别方法和库的质量，同时利用模型输出的标准差对预测的不确定性进行了估计。

    Jan, 2024

  • 聚类算法的指标对无关特征的敏感性

    聚类算法在数据分析中被广泛使用，本文研究了加入无关特征对聚类结果的影响，并发现 Silhouette 系数和 Davies-Bouldin 分数对无关特征最为敏感，因此可用于无监督聚类任务中的特征选择。

    Feb, 2024

  • 比较聚类方法使用相对有效性指数的研究

    这项研究通过对超过 270 万个聚类分区进行实验，发现 RVIs 在非传统任务上并不适用，对此类应用得出的结论可能是误导性的，因此建议使用外部验证和相关领域知识来选择正规化程序、表示方法和距离度量。

    Apr, 2024

  • 通过一致改进比率相结合的评估指标，及其在聚类任务中的应用

    本文介绍了一种名为 Unanimous Improvement Ratio（UIR）的度量方法，它不仅补充了标准指标组合方法的不足，还可以评估指标之间的交互作用，本文还通过实验验证了该方法的有效性，并将其作为精度和召回率之间权衡的一种预测器。

    Jan, 2014

  • FRRI：一种用于模糊 - 粗糙规则归纳的新算法

    模糊粗糙规则诱导（FRRI）是一种能够生成精确而又简短规则集的新型规则诱导算法，通过将模糊和粗糙集理论结合，提供了对机器学习中解释性问题的一种解决方案。

    Mar, 2024

  • 粗糙随机性及其应用

    本研究引入了新的概念和算法来处理在粗糙推理，可解释的人工智能和机器学习中的意义不明确和动态的情境。通过引入基于代数的机器学习算法，本研究证明了这些概念的有效性。

    Mar, 2023