新的自适应均值漂移算法估计局部簇基数

研究人员开发了一种新颖的自适应均值漂移算法，通过分析点的距离分布来估计局部簇基数。该方法根据局部簇的密度动态设置带宽和核半径等参数，使其具有尺度不变性和局部处理能力。与现有的自适应均值漂移技术相比，该算法表现出具有竞争力的性能，在多个数据集上实现了更高的Rand指数，且无需预先了解簇的数量。 AI

影响 引入了一种新颖的聚类技术，可以改进机器学习应用中的数据分析。

排序理由 该簇包含一篇在arXiv上发表的关于新算法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Étienne Pépin
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Ren et al.
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →