DBSCAN
PulseAugur coverage of DBSCAN — every cluster mentioning DBSCAN across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
新研究探索用于大型语言模型演化红队的新物种形成方法
研究人员探索了在演化搜索中维持不同亚群的方法,特别是在大型语言模型的红队测试方面。他们比较了不同物种形成技术下的嵌入和自然语言推理的差异性,发现MiniLM嵌入差异性和DeBERTa-v3-small NLI非蕴含关系产生了不同的物种结构。虽然增量DBSCAN在 mediana 适应度方面显示出微弱优势,但结果在统计学上不显著,并且语义多样性在各种配置下普遍下降。研究强调,依赖于表示的连通性比终点适应度更能预测种群结构,而较高的物种数…
-
AI检测SAFARI-1反应堆中子通量剖面异常
研究人员开发了一个无监督学习框架,用于检测在SAFARI-1研究堆测量的中子通量剖面中的异常。该系统预处理数据,使用多项式拟合来表征通量剖面,然后采用DBSCAN聚类将剖面分为常规和异常类别。还训练了卷积自编码器,通过测量重建误差来识别偏差,在中心堆芯位置表现出更好的性能。
-
K-Means 聚类用于客户细分详解
本文详细介绍了无监督机器学习技术,特别是 K-Means 聚类,在客户细分中的应用。文章概述了将原始交易数据转化为以客户为中心的特征表的过程,并强调了数据清理和验证的重要性。文章解释了 K-Means 算法作为一种迭代方法,根据行为相似性对客户进行分组,并考虑了特征选择和质心初始化。
-
新的TRPE模型通过识别任务相关性增强联邦持续学习
研究人员开发了一种新颖的任务相关性驱动的提示扩展(TRPE)模型,以解决联邦持续学习(FCL)中的挑战。TRPE模型旨在通过整合一个分布外检测器和一个半径自适应DBSCAN来推断任务和类别数量,从而消除对新任务先验知识的需求。它还通过计算梯度亲和力来探索正面的跨任务语义关系,以识别相关的旧任务并改进新任务的学习,同时软正交约束平衡了新任务学习和旧任务保留。
-
新流程审计物联网数据质量,以改进传感器网络分析
已开发出一种用于分析异构物联网数据的新处理流程,并将其应用于长期LoRaWAN网络数据集。该流程侧重于审计数据质量和执行双变量分析,特别是检查温度和湿度数据。它结合了异常检测、主成分分析、聚类和多层感知器模型,以识别数据问题和建模关系,证明了在复杂传感器网络中进行预建模数据覆盖审计的重要性。
-
新框架将手绘电路图转换为SPICE兼容的网表
研究人员开发了Sketch2Sim,一个用于分析手绘电路图的新型框架。该系统将电路草图转换为与集成电路强调仿真程序(SPICE)兼容的格式,从而能够自动计算节点电压和电流。该框架采用多阶段流水线,包括基于YOLO的检测器、用于符号提取的带OCR的CRNN,以及用于节点识别的DBSCAN等图像处理技术。创建了一个包含1000个手绘电阻-电感-电容(RLC)电路的数据集来训练和评估该系统,证明了其在各种书写风格和条件下的稳健性能。
-
新的GPU策略加速Gabriel图构建以用于AI任务
一篇新论文详细介绍了GPU加速的Gabriel图构建策略,Gabriel图是一种对大间隔分类和聚类至关重要的邻近图。使用CUDA实现,这些方法显著减少了构建时间,使得该过程对于大型数据集来说是可行的。该研究还引入了一种新颖的基于Gabriel图的聚类算法,该算法在与DBSCAN等现有方法相比时表现出有竞争力的性能。
-
新的图-Transformer模型提升3D关键点检测性能
研究人员开发了一种新颖的3D关键点检测方法,该方法将学习到的抑制模块与由方向图神经网络增强的Point Transformer骨干网络相结合。该方法旨在通过直接学习识别和精炼关键点来改进传统的启发式后处理步骤。与DBSCAN和贪婪非极大值抑制相比,该模型表现出更优越的性能,并在KeypointNet和Building3D等基准测试中取得了最先进的成果。
-
新研究证明聚类算法固有的NP难性
一篇研究论文引入了通用聚类问题(UCP),以统一和解释各种聚类算法中固有的计算难度。该研究通过从图着色和精确三集覆盖中进行归约,证明了UCP是NP难的。通过将包括k-means、DBSCAN和谱聚类在内的十种常见聚类范式映射到UCP,该论文表明这些方法继承了这种根本性的棘手性,为观察到的故障模式提供了理论基础。
-
神经形态 DBSCAN 算法扩展至时空数据
研究人员为神经形态 DBSCAN 算法开发了时空扩展,该算法建立在先前“扁平”和“脉动”结构的基础上。这些新的扩展旨在更有效地利用事件传感器数据的时空特征。该工作还探索了分段实现,通过利用时间来进一步优化空间,尤其是在硬件资源有限的情况下。所有网络结构都以开源实现的形式提供。
-
NVIDIA cuML 和 RAPIDS 在 GPU 上加速机器学习工作流
本教程演示了如何使用 NVIDIA 的 cuML 和 RAPIDS 库通过 GPU 加速来实现机器学习工作流。它涵盖了设置 GPU 环境、使用 cuML 加速 scikit-learn 工作负载,以及利用原生 cuML API 与 CuPy 和 cuDF 直接互操作。该指南包括对 PCA、K-Means、逻辑回归和随机森林等各种算法的 CPU 和 GPU 性能进行基准测试,以及使用 UMAP、t-SNE 和 HDBSCAN 构建基于 …
-
仅基于 LiDAR 的锥形检测框架可在 CPU 上运行以实现无人驾驶赛车
研究人员为 FSAE 无人驾驶赛车开发了一个轻量级的、仅基于 LiDAR 的感知系统,该系统可在 CPU 上高效运行。该系统利用随机森林分类器、地面移除、基于 IMU 的运动补偿和 DBSCAN 聚类来检测锥形。通过分析特征重要性,该系统被优化为仅使用 7 个特征,在保持高性能的同时降低了输入复杂度。该流程实现了 98.33% 的 F1 分数和 3.13 毫秒的运行时间,并发布了配套的数据集和工具以供复现。
-
AI框架分析城市出行和土地利用相互作用
研究人员开发了先进的AI框架来分析城市出行模式及其与土地利用的相互作用。一项研究提出了一个GeoAI混合框架,集成了MGWR、Random Forest和ST-GCN来模拟不同交通模式的交通流,实现了高精度并优于基准。另一种方法使用一个具有不确定性感知和物理信息感知的框架,从聚合计数推断出行起点-终点矩阵,减少对个体追踪的依赖,并实现更具可部署性的城市智能。
-
机器学习优化6G波束赋形,侧重网络特征
本研究论文探讨了机器学习技术在6G网络波束赋形优化中的应用。研究比较了监督和无监督机器学习方法,分析了网络、环境、设备和视觉数据等各种特征组。结果表明,网络特征对波束赋形优化更具预测性,而聚类分析显示部署环境和设备类型是场景分组的关键因素。论文还强调了带宽、物联网传感器和移动性对特征重要性的影响,并建议未来的工作涉及深度学习和强化学习。
-
新研究探讨k-means聚类的不相容性与平衡性
Adam Quinn Jaffe和Pollard的一篇新arXiv论文研究了k-means聚类的细微差别,特别是在总体分布具有有限期望而非有限方差的情况下。研究强调,即使总体层面的中心存在,经验k-means聚类中心也可能不收敛,这是由极端聚类不平衡和离群样本引起的微妙之处。该论文还提出通过确保经验聚类之间一定程度的平衡来恢复渐近相容性的方法。
-
新的 K-SCAN 算法为大数据聚类提供线性复杂度
一种名为 K-SCAN 的新型聚类算法已被开发出来,旨在解决大数据时代传统方法的扩展性挑战。这种混合算法结合了初步的向量量化和基于密度的结构分析,以实现线性计算复杂度,使其比 BIRCH 等现有算法快得多。K-SCAN 在识别非线性簇方面表现出对噪声的鲁棒性和高精度,尽管它可能难以处理过度平滑和分离密度差异巨大的簇。
-
新的深度学习模型MORDEN推动了太阳纤维检测的进展
研究人员开发了一种新的深度学习工作流程,用于自动检测太阳纤维,解决了多尺度特征提取和数据稀缺的挑战。该系统命名为MORDEN,专注于多尺度特征提取,并通过DenseCRF和DBSCAN进行后处理。该工作流程成功生成了一个名为AHAS的大型高质量数据集,实验结果表明MORDEN在太阳纤维语义分割方面优于现有模型。
-
UMAP和DBSCAN增强电子健康记录中的乳腺癌数据聚类
研究人员开发了一种新的方法,利用电子健康记录中的乳腺癌数据进行无监督聚类分析。该方法结合了用于降维的均匀流形逼近与投影(UMAP)和DBSCAN聚类算法。该组合方法的有效性通过DBCV、DCSI和DISCO等统计指标进行了验证,证明了其识别具有医学意义的患者群体的潜力。
-
自组织映射:一种被低估的聚类算法
本文探讨了聚类算法,重点关注自组织映射(SOMs)及其被低估的潜力。作者主张深入研究SOMs,认为调整它们可以带来显著的好处,这与通常基于调整不当而表现不佳而将其忽略的普遍做法相反。文章将SOMs与其他算法如DBSCAN、k-means和高斯混合模型进行了对比。
-
新的RAGU引擎使用紧凑型LLM提升GraphRAG性能
研究人员推出RAGU,一个开源引擎,旨在通过采用多步知识图谱构建过程来改进Graph Retrieval-Augmented Generation (GraphRAG)。与单通道系统不同,RAGU将实体提取与整合分开,利用DBSCAN等技术进行去重,并使用Leiden社区检测进行图谱构建。一项关键创新是开发了Meno-Lite-0.1,一个针对语言技能优化的紧凑型7B参数模型,其在知识图谱构建方面的表现优于Qwen2.5-32B等大型…