关键词hierarchical agglomerative clustering
搜索结果 - 7
- 层次聚类的数据聚合
使用 BETULA 数据聚合算法进行数据聚类,使得在资源受限的系统上使用层次凝聚聚类方法成为可能,仅在聚类质量上有轻微损失,并且允许对非常大的数据集进行探索性数据分析。
- 基于知识图谱嵌入的文字作者姓名消歧方法
本研究提出了一种基于多模态知识图谱嵌入和层次凝聚聚类的新框架,Literally Author Name Disambiguation (LAND),用于解决学术知识图谱中作者名称消歧的问题,并在两个知识图谱数据集上展示了比基线方法高 8- - ICML近线性时间的分层聚合图聚类
本文提出了一种层次凝聚图聚类算法框架并给出了完整的精确算法和近似算法,可以用于加权图的聚类问题,并通过用 $k$-NN 方法将点集转化为加权图,实现对点集的快速聚类。
- 基于层次凝聚聚类的公平算法
本文提出一种对分层聚类算法 (HAC) 进行公平性约束的方法,适用于任何自然的聚类公平措施和多个受保护群体,并在多个真实世界 UCI 数据集上进行了广泛的实验。
- CVPRGASP:一种广义的聚类有向图框架及其在实例分割中的应用
介绍了一种理论框架,将层次聚类算法简化扩展到具有吸引和排斥相互作用的加权图中以及通过 GASP 这一更广泛的算法来实现分区。并在 CREMI 2016 EM 分割基准测试中展示了实现分割管道的方法,从像素到最终分割的简单程序,实现了最先进的 - OntoSeg: 使用本体相似性的文本分割新方法
本文提出了一种基于本体相似性的文本分割方法,使用 Hierarchical Agglomerative Clustering 算法生成一种树形分层结构,用于表征文本的概念结构,从而实现在不同粒度级别上的线性文本分割,实验证明该方法具有很高的 - 使用分层凝聚聚类分割说明性文本
本文提出了一种基于分层凝聚聚类的说明性文本分段方法,该方法使用段落作为基本段落,通过它们之间的词汇相似度进行文本的分层话结构识别。该算法已经证明与现有的线性分割方法具有可比较的结果。