基于协方差的相异度度量应用于宽平稳遍历过程的聚类
机器学习
2019-07-03 v4
摘要
我们引入一个新的无监督学习问题：聚类宽平稳遍历随机过程。设计了基于协方差的相异度度量以及分别用于离线和对在线数据集聚类的渐近一致算法。我们还提出了相异度度量效率的正式准则，并讨论了当应用于聚类特定类型过程(如具有宽平稳遍历增量的自相似过程)时提高其聚类算法效率的若干途径。提供了合成数据和真实世界数据的聚类作为应用示例。
引用
@article{arxiv.1801.09049,
title = {Covariance-based Dissimilarity Measures Applied to Clustering Wide-sense Stationary Ergodic Processes},
author = {Qidi Peng and Nan Rao and Ran Zhao},
journal= {arXiv preprint arXiv:1801.09049},
year = {2019}
}