生成多样化的高质量聚类集
机器学习
2011-08-02 v1 数据库
摘要
我们提供了一个新的框架，用于生成单个数据集的多个高质量划分（聚类）。我们的方法将这个问题分解为两个组成部分：首先生成多个高质量划分，然后将这些划分分组以获得k个代表划分。这种分解使得该方法具有极高的模块化性，并允许我们优化控制代表划分选择的各种标准。
引用
@article{arxiv.1108.0017,
title = {Generating a Diverse Set of High-Quality Clusterings},
author = {Jeff M. Phillips and Parasaran Raman and Suresh Venkatasubramanian},
journal= {arXiv preprint arXiv:1108.0017},
year = {2011}
}
备注
12 Pages, 5 Figures, 2nd MultiClust Workshop at ECML PKDD 2011