基于多粒度竞争学习指导的鲁棒性类别数据聚类
机器学习
2026-01-26 v1
摘要
由类别特征组成的数据集在大数据分析任务中十分常见。由于类别特征通常具有有限的定性可能值，嵌套粒度聚类效应在类别数据的隐式离散距离空间中十分常见。即，数据对象在空间或子空间中经常重叠以形成小而紧凑的聚类，类似的小聚类常常形成更大的聚类。然而，由于定性类别数据值的距离空间难以像欧几里得距离那样被良好定义，这给类别数据聚类带来了很大的挑战。针对这一问题，我们设计了一种多粒度竞争惩罚学习(MGCPL)算法，允许潜在聚类相互调节，并以不同数量的自然紧凑聚类为目标在不同阶段收敛。为充分利用MGCPL，我们还提出了一种基于MGCPL编码的聚类聚合策略(CAME)，首先根据学习到的多粒度分布对数据对象进行编码，然后在嵌入空间上进行最终聚类。结果表明，所提出的MGCPL引导的类别数据聚类(MCDC)方法在自动探索多粒度聚类的嵌套分布方面具有竞争力，并且对来自 various 领域的类别数据集具有高度鲁棒性。凭借其线性时间复杂度，MCDC可扩展到大规模数据集，适用于为提升分布式计算的预分区数据集或计算节点。广泛的实验统计证据表明，其在各种真实公开数据集上均优于最先进的方法。
引用
@article{arxiv.2601.16491,
title = {Robust Categorical Data Clustering Guided by Multi-Granular Competitive Learning},
author = {Shenghong Cai and Yiqun Zhang and Xiaopeng Luo and Yiu-Ming Cheung and Hong Jia and Peng Liu},
journal= {arXiv preprint arXiv:2601.16491},
year = {2026}
}
备注
This paper has been published in the IEEE International Conference on Distributed Computing Systems (ICDCS 2024)