CoreSPECT：基于密度与几何相互作用的聚类算法提升方法
机器学习
2025-12-04 v2
摘要
本文从新颖的角度阐述了具有 ground-truth 聚类的真实数据结构，通过表征一种普遍存在却常被忽视的密度-几何相关性，这种相关性表现为多层流形结构。我们利用这种相关性设计了 CoreSPECT（基于核心空间投影的聚类技术提升），这是一种通用的框架，用于提高通用聚类算法的性能。我们的框架通过对策略性选择的区域应用聚类算法，然后通过一种新颖的基于邻域图的多层传播程序，将部分分区扩展到数据集的完整分区来提升聚类算法的性能。我们提供了该框架在模型假设下的功能的初始理论支持，然后在包括标准图像数据集和基因组数据集在内的 19 个大规模真实数据集上进行实验。我们观察到两个显著的改进：首先，CoreSPECT 在 K-Means 的 NMI 上平均提高了 20%，使其在某些情况下与最先进的基于流形的聚类算法相竞争（甚至超过），同时速度快了几个数量级。其次，我们的框架使 HDBSCAN 的 NMI 提升了 100% 以上，使其在不要求真实聚类数和超参数调优的情况下，在多个情况下与最先进的水平相竞争。总体 ARI 的改进幅度更大。
引用
@article{arxiv.2507.08243,
title = {CoreSPECT: Enhancing Clustering Algorithms via an Interplay of Density and Geometry},
author = {Chandra Sekhar Mukherjee and Joonyoung Bae and Jiapeng Zhang},
journal= {arXiv preprint arXiv:2507.08243},
year = {2025}
}