- 过程挖掘嵌入：学习 Petri 网的矢量表示
通过使用嵌入向量表示的 PetriNet2Vec 方法，我们展示了在过程挖掘增强中，PetriNet2Vec 从 Petri 网模型中学习结构和特性，以及在过程分类和过程检索中所展现的实用性。
- 可解释聚类与可区分性标准
基于全局的可区分性准则，本文提出了用于验证聚类分析结果以及确定数据集中聚类数量的方法，并将该准则与常用的聚类方法进行了整合，包括层次聚类、k-means 和有限混合模型。通过模拟研究和实际数据应用，我们展示了这些新算法的结果。
- 块对角引导 DBSCAN 聚类
介绍了一个改进版本的 DBSCAN 算法，利用相似性图的块对角特性来引导聚类过程，通过未知排列构建图，并通过梯度下降求解，最终生成块对角图结构，以提供自动和交互式聚类分析的基础。
- 快速且鲁棒的稀疏感知块对角表示
基于图的聚类分析中，我们提出了一种快速而稳健的稀疏感知块对角表示方法 (FRS-BDR)，该方法能够共同估计聚类成员资格和块数，并在各种真实应用中展现出了聚类准确性、对破损特征的稳健性、计算时间和聚类枚举性能的有效性。
- 消除混淆偏差的聚类分析
本文提出了一种名为 Sanitized Clustering Against confounding Bias（SCAB）的新型聚类框架，通过非线性依赖度量在复杂数据的语义隐空间中消除混淆因素，从而消除了复杂应用中数据与混淆因素之间的偏差， - 使用伪布尔多项式进行聚类分析的降维
通过惩罚项形式的拟布尔多项式的减法性质，我们在聚类分析过程中引入了一种不变维数减少机制。在我们的实验中，我们展示了多维数据，如 4 维的鸢尾花数据集可以被减少到 2 维的空间，30 维的威斯康星州诊断性乳腺癌数据集可以被减少到 3 维的空间 - 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 - 基于参数熵的 k-means 聚类图像数据集的聚类中心初始化
通过使用参数熵以基于熵的质心初始化方法对图像数据进行 k-means 性能分析，并提出了适用于一般图像数据集的最佳熵测量，我们观察到对于不同的数据集，不同的熵比传统方法提供更好的结果。我们在 Satellite、Toys、Fruits、Ca - KDDcuSLINK：GPU 上的单连通聚类
本文介绍了 cuSLINK，一种在 GPU 上重构 SLINK 算法的新方法，并使用参数 k 来权衡时间和空间，以进行一系列重要应用，包括社交和计算机网络中的聚类分析，自然语言处理和计算机视觉等。
- 聚类分析中的形状复杂性
利用多维数据的形状复杂度概念，应用在特定的非线性函数上，制定了一种新的 “中等距离” 下的基于约束的非线性规划问题，从而探索更有效的聚类缩放因子数量的方法。
- MMJester 数据集的聚类分析：评述
对 Jester 数据集进行聚类分析时，需要先进行数据准备，包括用适当的数值填充缺失的评分值，然后使用无监督机器学习范式进行聚类分析。本研究验证并纠正了对 Jester 笑话数据集进行的聚类分析的最新成果，并提出了未来的研究方向。
- ICLR使用能力问题来选择最优的住宅能源消费模式聚类结构
本文介绍了如何使用能力问题来规范专家知识和应用需求，以在住宅能源消费领域对聚类应用进行上下文特定评估。
- AAAI结构化预测选择性伪标记的无监督域自适应
本篇论文提出了一种基于结构化预测的选择性伪标记策略，通过无监督聚类分析激活样本在深度特征空间内的固有规律以促进准确伪标记，实验证明该策略表现优于当代最先进方法。
- ECCV为解码广告提供符号和外部知识的建议
本文介绍了如何利用符号引用来更好地理解广告，并将广告理解任务建模为将广告图像与人工生成的陈述匹配，提出的方法在广告理解任务以及问题回答方面均优于现有技术方法。此外，还展示了利用符号引用进行广告和标语匹配以及广告聚类分析的应用。
- AAAI无需地面真值的图像聚类
该论文介绍了一种基于众包模型的图像聚类方法，可应对无法得知聚类数目的情况，该方法的有效性已通过在多个人工数据集上的应用得到了证明。
- 潜树分析
该研究论文概述了关于潜在树分析的研究及其在聚类分析、主题检测和深度概率建模等机器学习领域中的应用。
- ECCV树突棘形态分析：聚类视角
通过对树突棘进行形态学、形状和外貌相关特征的聚类分析，我们发现存在中间形态类型的争议，解决了手动分类和主观性的问题。
- 数学语言处理：开放式数学问题的自动分级与反馈
本文提出了一种基于 “数理语言处理” 的数据驱动框架来自动评分开放性数学问题实现的方案，采用不同聚类方法组成的三层模型对多步解决方案进行追踪和错误定位，并在真实的慕课数据上进行了测试和验证，说明它可以极大地减少大规模教育平台上所需的人力投入 - 基于 Morse 理论的模态聚类新方法：簇和水流
本文旨在通过为最理想的种群聚类提供一个明确的公式来深入探讨通常的非参数聚类方法的理论基础，该方法将聚类视为高密度区域。
- 光谱聚类和高维随机块模型
本文提出了用于网络中的聚类分析的一种新方法，利用谱聚类在随机块模型中发现社区和研究潜在空间模型下的特征向量。