非对称网络的层次化准聚类方法
机器学习
2014-04-21 v1 机器学习
摘要
本文介绍了层次化准聚类方法，这是针对非对称网络的层次化聚类的一种推广，其输出结构保留了输入数据的非对称性。我们证明了该输出结构等价于一个有限准超度量空间，并研究了其关于两个理想性质的容许性。我们证明了单链接法（single linkage）的修改版本是唯一的容许准聚类方法。此外，我们展示了所提出方法的稳定性，并确立了其满足的不变性性质。我们进一步开发了相关算法，并通过一项关于美国内部迁移的研究说明了准聚类分析的价值。
引用
@article{arxiv.1404.4655,
title = {Hierarchical Quasi-Clustering Methods for Asymmetric Networks},
author = {Gunnar Carlsson and Facundo Mémoli and Alejandro Ribeiro and Santiago Segarra},
journal= {arXiv preprint arXiv:1404.4655},
year = {2014}
}
备注
Accepted to the 31st International Conference on Machine Learning (ICML), Beijing, China, 2014