基于多元Chebyshev不等式的直推-归纳聚类逼近
计算机视觉与模式识别
2015-03-17 v2 人工智能
摘要
在可接受结果质量存在一定折衷的情况下，逼近多维数据中的适当聚类数量是一个开放的研究领域。本文通过制定一种使用多元Chebyshev不等式的直推归纳学习算法来解决该问题。考虑成像中的聚类问题，推导了特定折衷水平下的理论证明，以显示随着（a）未见样本数量和（b）聚类数量的增加，重建误差收敛到有限值。还证明了这些误差率的上界。从随机样本序列对这些误差进行的非参数估计经验性地指向一个稳定的聚类数量。最后，该算法的泛化可应用于来自不同领域的多维数据集。
引用
@article{arxiv.1101.3755,
title = {Transductive-Inductive Cluster Approximation Via Multivariate Chebyshev Inequality},
author = {Shriprakash Sinha},
journal= {arXiv preprint arXiv:1101.3755},
year = {2015}
}
备注
16 pages, 5 figures