Min-Max-Jump距离及其应用
计算机视觉与模式识别
2024-07-03 v6
摘要
我们探讨了Min-Max-Jump距离（MMJ距离）的三个应用。基于MMJ的K-means使用MMJ距离对K-means进行了修正。基于MMJ的轮廓系数使用MMJ距离对轮廓系数进行了修正。我们还使用基于MMJ的轮廓系数测试了带索引的神经网络聚类（CNNI）模型。在最后一个应用中，我们测试了在对数据进行聚类分析后，使用Min-Max-Jump距离来预测新点的标签。结果表明，Min-Max-Jump距离在所有三个提出的应用中均取得了良好的性能。此外，我们设计了多种用于计算或估计该距离的算法。
关键词
引用
@article{arxiv.2301.05994,
title = {Min-Max-Jump distance and its applications},
author = {Gangli Liu},
journal= {arXiv preprint arXiv:2301.05994},
year = {2024}
}