A-Ward_p\b{eta}: 使用闵可夫斯基度量和快速 k-means 初始化的有效层次聚类
机器学习
2016-11-04 v1 机器学习
摘要
在本文中，我们对层次聚类做出了两个新颖贡献。首先，我们引入了一种用于层次聚类算法的异常模式初始化方法，称为 A-Ward，能够大幅减少其收敛所需时间。该方法生成具有足够大量簇的初始划分。这使得簇合并过程可以从该划分开始，而不是从仅由单例组成的平凡划分开始。我们的第二个贡献是将 Ward 和 Ward p 算法扩展到特征权重指数可不同于闵可夫斯基距离指数的情况。这种称为 A-Ward p\b{eta} 的新方法能够生成种类广泛得多的聚类解。我们还证明了其参数可以通过使用簇有效性指数得到合理良好的估计。我们使用具有两类噪声的数据集进行了大量实验：插入噪声特征以及模糊某些特征的簇内值。这些实验使我们得出结论：(i) 我们的异常模式初始化方法确实减少了层次聚类算法完成所需的时间，且不会负面影响其簇恢复能力；(ii) A-Ward p\b{eta} 比 Ward 和 Ward p 均提供了更好的簇恢复。
引用
@article{arxiv.1611.01060,
title = {A-Ward_p\b{eta}: Effective hierarchical clustering using the Minkowski metric and a fast k -means initialisation},
author = {Renato Cordeiro de Amorim and Vladimir Makarenkov and Boris Mirkin},
journal= {arXiv preprint arXiv:1611.01060},
year = {2016}
}