质心聚类中的局部连通性
机器学习
2020-10-13 v1 人工智能
摘要
聚类是无监督学习中的一项基本任务，其目标是将数据集分组为相似对象的簇。近期人们有兴趣将围绕公平性的规范性考量嵌入聚类公式中。在本文中，我们提出“局部连通性”作为评估质心聚类中成员归属合理性的关键因素。我们用局部连通性指代对象局部邻域所提供的、支持其归属于所讨论簇的支持程度。我们论证了在簇分配中考虑对象局部连通性的必要性，并提供了在给定聚类中量化局部连通性的方法。随后我们利用基于密度的聚类中的概念，设计了 LOFKM，一种力求在质心聚类框架内深化聚类输出局部连通性的聚类方法。通过对真实世界数据集的实证评估，我们表明 LOFKM 以合理的聚类质量代价实现了局部连通性的显著提升，说明了该方法的有效性。
引用
@article{arxiv.2010.05353,
title = {Local Connectivity in Centroid Clustering},
author = {Deepak P},
journal= {arXiv preprint arXiv:2010.05353},
year = {2020}
}
备注
In 24th International Database Engineering & Applications Symposium (IDEAS 2020), August 12--14, 2020, Seoul, Republic of Korea