- KDD可扩展的树嫁接层次聚类
Grinch 是一种新的算法,用于支持具有任意相似度的非贪婪层次聚类,该算法以其旋转和嫁接子程序为关键组件,可以快速重新配置层次结构,支持发现具有复杂结构的聚类,并且在数据到达顺序独立的情况下能够保证生成包含基本真值的聚类树。该算法在基准和 - CVPR硬批次三元组损失的分层聚类在人员重新识别中的应用
本研究提出了一种基于层次聚类的伪标签指导的无监督人物重识别方法,该方法可以在未标记的目标数据集上进行训练,并通过使用层次聚类生成伪标签作为监控去训练,同时将 PK 抽样用于排除困难样例并促进算法的收敛,实验结果表明,HCR 方法可以达到非常 - MM一种高效的速率分裂多址方案,用于 C-RAN 系统的下行链路
这篇论文研究了在云无线接入网络下行系统中优化,其中使用了速率分裂多址传输技术。作者提出了一种有效的 RSMA 方案,它使用线性增长的公共信号数,通过分层聚类选择解码 UE,可以提高传输性能。与其他传统的复用方案相比,实验结果表明,该提议的方 - 主动学习在层次聚类中的应用
本研究通过对树叶对之间的相似度进行主动学习,研究树的层次聚类过程。 在实现的情况下,我们提供了完全重构树切割所需的查询数量的完整特征描述。 在非实现的情况下,我们依赖于已知的重要抽样过程来获得后悔和查询复杂度界限。 我们的算法具有对统计误差 - ICML指数链接的监督分层聚类
提出了一种耦合分层聚类的相似度函数训练方法,并且引入了可以平滑插值三种不同分层方式的监督分层聚类方法,在四个数据集上的实验证明了该方法比其他方法更加优秀。
- TaxoGen: 自适应术语嵌入与聚类的无监督主题分类构建
本文提出了一种采用嵌入术和层次聚类方法的主题分类法 TaxoGen,通过每个节点表示概念主题,定义为语义一致概念项的聚类,以构建主题分类法,并对两个真实数据进行了实验,证明了其与基线方法的有效性。
- 一种改进的层次聚类树代价函数
提出了一种新的代价函数,基于 Dasgupta 的代价函数,解决了旧代价函数无法度量原始相似图与分层结构一致性的问题,并提出了一个多项式时间算法进行计算。
- 使用分层深度轨迹复识别技术进行多人跟踪
本文提出了一个 hierarchical clustering 机制的跟踪框架,以便在利用 multi-stage deep network 进行 tracklet re-identification 的同时,合并 tracklets,从而 - 基于片段类型特征化的时间序列聚类
该研究提出一种基于两阶段聚类的时间序列聚类新技术,其中使用最小二乘多项式分段过程对每个时间序列进行分段,并将它们映射到相同维度的空间中进行一系列的聚类过程,最终结果很有前途,并在与两种最新方法相比较时显示出性能表现优异。
- 分层聚类优于平均链接
本文研究了层次聚类问题,尤其是针对与平均链接聚类相关的性能和基于相似性和相异性的目标提出了新的算法,可以获得更好的结果。
- 复杂动态的自适应局部线性模型
利用局部线性模型和层次聚类的方法,对复杂系统进行分析,将数据划分为多个窗口进行简单的指数衰减和振荡分析,通过收集每个窗口的参数,提取出时间序列的特征,从而可以应用于分析 $C. elegans$ 神经元运动和全脑成像等研究。
- ICLR神经网络预测的分层解释
引入聚合上下文分解的方法来解释 DNN 预测结果。该方法通过产生输入特征的层次聚类以及每个聚类对于最终预测的贡献,实现了对 DNN 的预测结果进行解释,有效诊断不正确的预测和识别数据集的偏倚。同时人体实验也表明,ACD 能够使用户较好地识别 - ICML具有结构约束的分层聚类
本文研究了带有结构约束条件的层次聚类问题,提出了两种基于优化视角的自顶向下算法,并且通过公式化约束性正则化的方法在存在冲突先验信息的情况下得出了良好的解,同时探讨了基于差异性信息变化的目标函数的变形并进一步优化了当前技术,最后将该方法应用于 - 基于分层聚类的多目标、多相机跟踪:DukeMTMC 项目最新进展
针对多摄像头追踪挑战,本文在 DukeMTMC 数据集上通过简单的层次聚类与良好训练的人物再识别特征,展示了在该数据集上获得良好结果的方法。
- 自适应层次聚类使用顺序查询
本文研究使用有序查询主动学习层次聚类,当有噪声存在时,设计了自适应算法,证明了在最坏情况下每个非自适应算法需要 Ω(n³)序数查询。
- 分层聚类:目标函数和算法
本篇论文研究层次聚类的优化问题,通过提出一些可靠的任务目标函数并对实际算法进行分析,提供了更优的算法以及性能表现。
- 稀疏切割和扩散度量下的近似分层聚类
本文研究了关于层次聚类的成本函数及其 NP 难度,提出了基于逐层递归分割的启发式方法以及基于凸松弛的近似算法,并分析了两者的逼近误差和时间复杂度,讨论了在假设条件下问题的难度。
- 图解论,合并论等等!
本文提出了一种层次化聚类图的理论模型,采样自一个 graphon,采用了比随机块模型更丰富的图模型类,提供了一种产生正确聚类的算法,并给出了满足这些性质的明确算法。
- 交互式贝叶斯分层聚类
本文提出了一种交互式贝叶斯算法,该算法将用户交互纳入层次聚类中,同时利用数据的几何形状通过对层次结构上的有约束的后验分布进行采样,提出了几种智能查询方式。该算法以及查询方案在真实数据上表现出了良好的结果。
- 稀疏凸聚类
本文介绍了一种新的聚类方法 ——Sparse Convex Clustering,该方法采用一种正则化形式的凸聚类方法来进行特征选择,并使用基于聚类稳定性的调整标准来优化聚类效果。作者通过多种数值实验和真实数据应用验证了该聚类方法的有效性。