Feb, 2024

从大到小的数据集：聚类算法选择的尺寸泛化

PDF
TL;DR在半监督环境中，通过引入聚类算法准确性的大小泛化概念，我们可以通过对较小的实例集进行评估，并保证在原始大型实例上具有最好准确性的算法也在小实例上具有最好准确性。
clustering algorithm selectionsemi-supervised settingsize generalizationcluster instance subsamplingalgorithm accuracy
发现论文，激发创造
  • 聚类假设下的半监督分​类的泛化误差界限

    探讨当部分数据无标签时的半监督分类问题，提出基于密度水平集估计的方法，利用聚类假设和与边际分布有关的回归函数的行为，实现在未标注和已标注示例数量上的收敛速率快。

    Apr, 2006

  • 可扩展核聚类：近似核 k-means

    本文提出了一种基于随机化的近似核 K-means 簇算法，其利用采样点与数据集中所有点之间的核相似性来近似聚类中心，实现了与传统低秩核近似聚类方案相比更好的聚类性能、更短的运行时间和更小的内存需求，最后利用集成聚类技术进一步提高算法性能。

    Feb, 2014

  • 高效的层次聚类主动算法

    该研究提出了一个基于层次聚类和谱聚类算法的框架，来解决大型数据集处理的问题，该算法在小型数据子集上运行，具有较高的性能、测量复杂度和运行时复杂度。经过广泛的实验验证，该框架实际上非常具有吸引力。

    Jun, 2012

  • 针对大数据的 K-means 优化：一项比较研究

    本文比较分析了大数据背景下 K-means 算法的不同优化技术。通过并行化、逼近和采样方法等不同方法，探讨了克服大数据规模问题的不同途径。通过使用不同基准数据集评估了这些技术的性能，并根据 LIMA 支配准则在速度、聚类质量和可扩展性方面进行比较。结果表明，不同的技术适用于不同类型的数据集，并提供了关于 K-means 大数据聚类中速度和准确性之间权衡的见解。总体而言，本文为从业者和研究人员提供了如何优化大数据应用中的 K-means 的全面指南。

    Oct, 2023

  • 基于聚类敏感性采样的数据高效学习：基础模型与扩展

    我们研究数据选择问题，将利用 $k$-means 聚类和敏感性抽样方法，基于模型损失的嵌入表示，可选择一组典型样本，其平均损失与整个数据集的平均损失相对应，具有可证明的性质，并且在微调基础模型上表现优于最先进的方法，同时展示了它如何应用于线性回归，提供了一个更简单且可扩展性更强的抽样策略。

    Feb, 2024

  • 学习链接

    研究数据驱动的算法选择和度量学习以在聚类问题中同时学习最佳算法和度量。我们的工作考虑从基础度量函数中学习的凸组合的距离函数集合，为此设计了有效的学习算法，并对这些技术进行了全面的实证评估，表明它们可以显著提高聚类性能。

    Jul, 2019

  • 在一般拓扑上进行分布式 k-Means 和 k-Median 聚类

    本文提出一种新的分布式 k-median 和 k-means 聚类算法，通过 coresets 的方法，构建全局 coreset，降低了通信复杂度，实验结果表明该算法优于其他 coreset-based 分布式聚类算法。

    Jun, 2013

  • 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

  • 预测聚类与优化的普适性框架

    本文研究了一种以监督学习为基础的聚类分析方法，该方法结合了回归和分类，采用整数线性规划方法以及高度可扩展的贪心算法，支持不同类型的聚类定义，并能够展示数据中不同的可解释性的离散聚类结构。

    May, 2023

  • 关于投影聚类的泛化界限

    给定一组点，聚类是找到一个点集合的分区，使分配给一个点的中心尽可能接近。对于中心为点的目标，我们显示了一个收敛速度为 O (sqrt (k/n)) 的收敛界限。对于中心为 j 维子空间的子空间聚类，我们显示了一个收敛速度为 O (sqrt ((kj^2)/n)) 的收敛界限。对于广义 $k$-means 的投影聚类特例，我们证明了一个收敛速度为 Omega (sqrt ((kj)/n)) 的必要界限。

    Oct, 2023