HSC：一种用于网络化数据层次聚类的新型方法
机器学习
2019-08-02 v2 数据库
信息检索
摘要
层次聚类是聚类问题最有力的解决方案之一，因为它对数据进行多尺度组织。近年来，由于现代应用领域的需求，层次聚类方法的研究引起了相当多的关注。我们提出一种称为层次随机聚类（HSC）的新型分裂式层次聚类框架，其分两个阶段工作。第一阶段，它在数据集中找到聚类划分的初始层次。第二阶段，将非常精细划分中的每个簇输入给一个聚类算法，以确定最终结果。输出为簇的层次结构。我们的方法基于Meyer和Weissel的随机数据聚类以及Simon和Ando的变量聚合理论。实验表明，我们的框架构建了有意义的簇层次，并持续有益于第二阶段作用的聚类算法，不仅在计算上，也在簇质量方面。这一结果表明HSC框架非常适合获取大容量数据的层次解。
引用
@article{arxiv.1711.11071,
title = {HSC: A Novel Method for Clustering Hierarchies of Networked Data},
author = {Antonia Korba},
journal= {arXiv preprint arXiv:1711.11071},
year = {2019}
}
备注
This is a thesis project, it isn't sufficiently exhaustive