Mar, 2024

通过额外图节点对分类和混合类型数据进行谱聚类

PDF
TL;DR通过将数值和类别信息结合到谱聚类算法中，本文提出一种新的方法来处理混合数据，避免了数据预处理或使用复杂的相似性函数，并展示了相应的聚类目标函数和线性时间复杂度的算法。与其他相关方法相比，实验证明该算法在性能和运行时间上具有竞争力。
发现论文，激发创造
  • 属性多关系图的谱聚类

    提出了一种针对属性和多关系网络的联合降维技术 SpectralMix，该方法通过综合利用属性、关系类型和图结构的信息，实现对聚类结果的解释，并在实际数据集上展现了其优越性。

    Nov, 2023

  • 带最优图的统一谱聚类

    本文提出了一种改进的光谱聚类算法，旨在解决预定义的相似性图可能不是合适的聚类结果，并且传统离散化解决方法与光谱解决方案可能不一致的问题，并引入多核学习来解决如何选择最适合特定数据集的核的应用挑战。实验结果表明，该方法相比于现有的聚类方法具有更好的性能。

    Nov, 2017

  • 用于高效谱像分割的稀疏图形式

    本文提出了一种基于稀疏图的归一化割方法，该方法通过添加颜色节点至简单的网格图中对图像进行分割，实验结果表明该方法在图像分割方面表现优于传统的光谱算法。

    Jun, 2023

  • 改进的谱聚类算法分析

    本文探讨了基于谱算法的图分割技术，阐述了相关算法在数据分析中的应用，通过对图的一定假设条件，通过优化谱嵌入图算法的表现提供更好性能保证。

    Dec, 2019

  • 谱聚类教程

    该论文介绍了谱聚类算法和图拉普拉斯的基本性质，推导了不同的谱聚类算法，比较了它们之间的优缺点。

    Nov, 2007

  • 压缩谱聚类

    本文提出了一种基于图信号处理的方法，采用图滤波和随机采样技术加速生成 Laplacian 矩阵特征向量和 k-means 聚类算法步骤，该方法在控制误差的同时计算时间效率可达到数个数量级的提升，并在人工合成数据和真实网络数据集上进行测试。

    Feb, 2016

  • 通过节点分组的图摘要：一种谱算法

    本文提出了一种叫作 SpecSumm 的算法，它利用了整数最大化和谱图理论的思想，通过节点聚合来实现图形概括，并通过贪婪启发式和 k-means 算法来进一步改进概括质量。实验证明，这个算法可以比现有算法更有效地处理数百万节点的大规模图形。

    Nov, 2022

  • 大型数据集上的谱聚类：何时有效？来自连续聚类和密度 Cheeger-Buser 的理论

    该研究论文讨论了谱聚类算法在大型随机分布数据集上的表现，提供了一种能够找到数据集潜在密度规律的谱聚类算法，并通过引入 Cheeger-Buser 不等式为所有随机分布提供新的支持。

    May, 2023

  • 基于谱聚类算法检测块环和非块环图中的聚类

    本文提出了两种基于特征值计算的分析有向图中节点间循环模式与非循环模式连接的光谱聚类算法，相比于当前的方法在实验中表现更好，并成功应用于食物链的分类和互联网服务提供商之间协议的层级结构的高亮显示

    May, 2018

  • 基于多层图谱的聚类：谱学视角

    本文提出了两种新方法来有效地将多层图的频谱结合起来，通过联合矩阵分解和图正则化框架来提高顶点的聚类效果，同时在社交网络数据集上显示出了优异的性能。

    Jun, 2011