Mar, 2024
融合混合复杂度进行聚类变化符号检测
Clustering Change Sign Detection by Fusing Mixture Complexity
Kento Urano, Ryo Yuki, Kenji Yamanishi
TL;DR该论文提出了一种早期检测方法，用于集群结构变化。借助有限混合模型表示数据时，集群结构指离散的结构特征，比如集群数目。我们关注的是集群结构逐渐随时间变化的情况。对于有限混合模型，通过考虑集群比例偏差和集群之间的重叠，混合复杂度（MC）衡量了连续的集群大小。我们提出了 MC 融合作为 MC 的扩展，用于处理有限混合模型中可能存在多个混合数的情况。通过整合多个模型，我们的方法准确地捕捉了渐变期间的集群结构。此外，我们引入了一种通过分析 MC 融合的转变来检测集群结构变化的方法。通过使用人工和真实世界数据集进行实证分析，我们证明了我们方法的有效性。