非凸聚类的奇观：一种基于密度的聚类谱方法
机器学习
2019-07-02 v1 机器学习
摘要
在聚类非凸形状时，通常采用两种范式来寻找最合适的聚类：最小割和最大密度。体现这些范式的最流行算法是谱聚类和 DBSCAN。两种范式各有优缺点。最小割聚类对噪声敏感，而基于密度的聚类在处理密度不均的簇时存在困难。在本文中，我们提出了 SpectACl：一种结合两种方法优势的方法，同时解决了上述两个缺点。我们的方法易于实现，如同谱聚类一样，并且在理论上以优化所提出的聚类密度准则为基础。通过在合成数据和真实数据上的实验，我们证明了我们的方法提供了稳健且可靠的聚类。
引用
@article{arxiv.1907.00680,
title = {The SpectACl of Nonconvex Clustering: A Spectral Approach to Density-Based Clustering},
author = {Sibylle Hess and Wouter Duivesteijn and Philipp Honysz and Katharina Morik},
journal= {arXiv preprint arXiv:1907.00680},
year = {2019}
}