Jan, 2024

基于聚类巩固和分层的渐进亲和传播

HTML
PDF
TL;DR提出了 A-Posteriori 亲和传播 (APP) 方法，它是亲和传播 (AP) 的增量扩展，基于聚类合并和聚类分层，实现了增量聚类和时序聚类结果的保留，同时允许遗忘过时的聚类；通过与传统 AP 和基于最近邻分配的增量亲和传播 (IAPNA) 算法的性能对比实验证明，APP 在保证可扩展性的同时实现了可比较的聚类性能。
发现论文，激发创造
  • 交互式聚类的本地算法

    本文研究了基于稳定性假设的交互式聚类算法设计，算法开始于任意初始聚类，只进行每步的局部更改；我们证明在这种约束条件下，仍然可以设计出具有可证明高效和准确聚类能力的算法，并在真实数据上进行了实证。

    Dec, 2013

  • 增量聚类：额外聚类的情况

    本文研究了增量聚类方法的优缺点，发现增量聚类方法相对于批处理模型存在明显的劣势，即无法识别一类基本的聚类结构，但是可以通过增加聚类实现对增量聚类方法的限制的克服。

    Jun, 2014

  • 带拒绝选项的聚类：交互式聚类作为贝叶斯先验引导

    使用贝叶斯框架下的先验引导方法，基于一种简单的交互式反馈机制的数据探索中的聚类方法TINDER，能够帮助数据分析师产生多个品质等价的不同的聚类结果。

    Jun, 2016

  • 分层聚类：目标函数和算法

    本篇论文研究层次聚类的优化问题，通过提出一些可靠的任务目标函数并对实际算法进行分析，提供了更优的算法以及性能表现。

    Apr, 2017

  • 通过快速传播聚类相似性增强集成聚类

    本文提出了一种新颖的基于随机游走的集成聚类方法，通过快速传播集群间相似性解决了现有算法所面临的对象级别信息和多尺度间接联系隐藏等方面的挑战，并提出了两个新的一致性函数以获得一致聚类结果。

    Oct, 2018

  • 高效动态聚类：从历史聚类演变中捕获模式

    本文提出了一种动态聚类方法DynamicC，它使用基于机器学习的模型，通过观察基于批处理算法的聚类决策来训练模型，在高速动态场景下进行快速准确的聚类决策。在四个真实世界数据集和一个人工合成数据集上的实验证明，DynamicC方法相比基线批处理算法有更好的性能，同时达到了类似的准确聚类结果。

    Mar, 2022

  • 多尺度聚类滤波的持久性同调

    通过 Multiscale Clustering Filtration (MCF) 对多尺度数据聚类进行筛选，进而发现数据的层次结构并通过零维和高维的持续性同调来跟踪不同尺度下的聚类冲突。

    May, 2023

  • 动态环境中的聚类：异质变化数据集生成框架

    本研究提出了动态数据集生成器（DDG），用于模拟各种动态场景，帮助解决在动态环境中的聚类问题。

    Feb, 2024

  • 亚线性时更新的动态相关聚类

    在动态节点流中，我们研究了相关聚类的经典问题。我们提出了一种算法，通过维护$O(1)$的逼近精度和$O$(polylog $n$)的摊销更新时间，不断寻找最小化穿越簇的正边和簇内负边之和的分区。最后，我们用实际数据实验证明了我们的理论分析。

    Jun, 2024

  • 适用于大规模聚类的高性能外部有效性指标

    本文解决了大规模数据集下多个聚类方法的聚类评价问题，提出了一种基于稳定匹配的配对（SMBP）算法，通过稳定匹配框架实现不同聚类方法间的聚类配对，计算复杂度降低至O(N²)。SMBP在真实和合成数据集上的评估显示其与传统最大加权匹配（MWM）在准确度上可比，但在计算效率上更具优势，特别适用于大规模、平衡及不平衡的数据集。

    Sep, 2024