Apr, 2024

比较聚类方法使用相对有效性指数的研究

PDF
TL;DR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。
发现论文，激发创造
  • 一种贝叶斯聚类有效性指标

    通过引入贝叶斯聚类验证指数（BCVI），本研究基于现有的基础指数，构建了一个可根据使用者应用的可行性，选择次优聚类数量的方法，并通过对真实世界数据集（包括 MRI 脑肿瘤图像）的应用验证了算法的有效性和应用潜力。

    Feb, 2024

  • 评估内部聚类验证指标的新方法

    无监督分类的最优算法选择和聚类验证是一个广泛研究的问题，该论文回顾了现有的内部验证指标方法，并提出了一种新的方法。

    Aug, 2023

  • 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

  • 一种基于相关性的模糊聚类有效性指标及次要选项探测器

    通过引入一种基于相关性的模糊簇有效性指数（Wiroonsri-Preedasawakul 简称 WP 指数），本研究对数据聚类中的最优聚类数问题进行了评估和比较，结果表明 WP 指数在准确检测最优聚类数和提供准确次优选项方面胜过大多数其他指数，并且即使模糊系数 m 设置为大值，我们的指数仍然有效。

    Aug, 2023

  • 模糊聚类相似度度量的随机模型

    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。

    Dec, 2023

  • 用精确度 - 召回率曲线下面积进行聚类验证

    本论文探讨了在聚类验证中，利用混淆矩阵和派生度量来衡量模型性能表现的可行性，并提出利用 Precision-Recall 曲线及相关度量作为聚类验证指标以及在聚类失衡的情况下更为合适的方法，通过实验验证，这一方法的可靠性与其在有监督学习中的表现相一致。

    Apr, 2023

  • 基于传递程度和聚类程度的二元关系比较研究

    本研究利用粗糙集方法， 比较区间值信息系统中常见的三种二元关系的相似度，并提出传递度和聚类度的概念，最终通过这些方法对人脸识别数据集中的三种关系进行了分析。

    Jan, 2022

  • 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

  • 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

  • 规模下的网络聚类算法和聚类质量度量分析

    本文通过对四个广泛使用的网络聚类算法的严格分析，研究了独立集群质量指标和信息恢复度量之间的关系，并发现不同集群质量度量的结果存在显着差异，其中 conductance 是最能表明信息恢复度量性能的单独质量度量，但这也存在缺陷。在人工合成图和不同规模的实际数据集上的实验表明，Smart Local Moving 算法的表现最佳，但是各个算法的聚类评估指标的差异需要进行更多的研究。

    May, 2016