宏观态数据聚类
数据分析、统计与概率
2009-11-10 v1 计算物理
摘要
我们利用与随机系统动态粗粒化的类比，开发了一种有效的非层次数据聚类方法。分析项间转移矩阵的本征系统可识别出对应于扩散系统亚稳态宏观态（宏观态）的模糊聚类。一种“最小不确定性准则”决定了从本征向量到定义聚类的窗函数的线性变换。本征谱间隙与聚类确定度条件确定了恰当的聚类数。这种具有物理动机的模糊表示及相关的不确定性分析使宏观态聚类区别于谱划分方法。宏观态数据聚类解决了一系列对其他方法构成挑战的测试用例。
引用
@article{arxiv.physics/0306145,
title = {Macrostate Data Clustering},
author = {Daniel Korenblum and David Shalloway},
journal= {arXiv preprint arXiv:physics/0306145},
year = {2009}
}
备注
keywords: cluster analysis, clustering, pattern recognition, spectral graph theory, dynamic eigenvectors, machine learning, macrostates, classification