hierarchical clustering
PulseAugur coverage of hierarchical clustering — every cluster mentioning hierarchical clustering across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
开发了新的分层聚类公平性指标
研究人员开发了一种新的分层聚类方法，该方法纳入了个体公平性要求。该方法旨在限制超度量表示的局部 k-最近邻域内的失真，确保个体数据点不会不成比例地受到超度量表示的全局几何约束的影响。该研究将此要求表述为关于支配超度量可行性问题，并表征了可行性所需的最小松弛度，证明了局部和全局可实现性之间的对数分离。在合成和真实世界数据集上的实验验证了理论发现。
-
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。
-
深度学习框架使用可穿戴传感器准确检测重复行为
研究人员开发了一个深度学习框架，利用多模态可穿戴传感器数据来准确检测和分类身体聚焦重复行为，如拔头发和抠皮肤。该系统结合了卷积神经网络和门控循环单元，在二元检测中取得了0.985的F1分数，在九种特定行为上的宏平均F1分数达到了0.700。分析表明，飞行时间和惯性传感器数据对于区分这些行为最为关键，为实时、可穿戴辅助的心理健康诊断铺平了道路。
-
新研究使用fANOVA分析深度学习模型设计选择
一篇新发表在arXiv上的研究论文介绍了一种函数方差分析（fANOVA）方法，用于分析设计选择对遥感图像多标签分类深度学习模型的影响。该研究分析了48种和20种不同的深度学习模型，发现数据集属性（如尺度、分辨率和标签复杂度）会影响哪些设计选择（架构、微调、学习策略、初始化）对性能最为关键。对于大型数据集，微调和架构是关键；而在数据受限的情况下，初始化则起决定性作用。
-
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。
-
新算法近似聚类成树和有界直径图
研究人员开发了新的层次聚类问题的近似算法，特别是当目标是将数据划分为树或具有有界直径的图时。所提出的框架利用线性规划，并适用于相关的平面聚类问题 $p_{\mathcal{F}}$-Partitioning 可以用整数线性规划和舍入程序来制定的图类。研究还表明，在小集扩展假设下，将这些聚类问题近似到任何常数因子内是不太可能的。
-
新的无训练方法推动跨域少样本分割 · 跟踪5个来源
研究人员开发了两种新颖的跨域少样本分割（CD-FSS）方法，无需训练或微调，从而降低了计算成本并防止了过拟合。一种方法基于DINOv3编码器，使用语义感知特征重融合（SAFR）、自适应支持增强（ASE）和混合原型匹配（HPM）模块来增强语义辨别力并适应不同复杂性。第二种方法，双层级聚合网络（DHANet），采用层级空间聚合（HSA）和层级通道聚合（HCA）来解决语义和属性过度对齐问题，并结合在线概率语义库（OPSB）来缓解支持不足的问…
-
人工智能的采用正在推高医疗保健成本，而不是降低成本
人工智能因其在管理软件和医嘱记录员中的应用，能够更全面地记录患者护理情况，从而增加了计费的复杂性，预计将推高医疗保健成本。虽然人工智能最终可能降低管理成本并改善患者预后，但目前的激励机制倾向于让医疗服务提供者利用人工智能来提高每项服务的收入。预计这一趋势将推高整体医疗支出，而大型营利性医院系统由于能够更积极地投资人工智能技术，可能会获得竞争优势。
-
DeepSeek V4 引入流形约束超连接
DeepSeek V4 是一个先进的语言模型，建立在其前身 DeepSeek V3 的基础上。V4 架构引入了压缩稀疏注意力（CSA）、重度压缩注意力（HCA）和流形约束超连接（mHC）等新组件。本文重点解释 mHC，这是一种通过采用多个并行残差流来增强神经网络中传统残差连接的技术，从而实现更结构化和稳定的训练。
-
新AI聚类方法利用随机占优进行基于风险的资产配置
研究人员开发了一个新颖的聚类框架，该框架利用随机占优（SD）理论和机器学习来根据风险偏好更好地对资产进行分组。这种方法超越了传统的几何距离度量，利用SD检验统计量创建了一个“随机占优系数矩阵”。该论文详细介绍了对K-means和层次聚类算法的修改，产生了12个变体，并引入了专门的有效性指标。对美国纳斯达克和中国沪深100指数数据的实证分析证实了该方法的有效性，并展示了其在具有不同风险偏好的投资者的投资组合优化中的应用。
-
决策树近似研究在投稿后被撤回
一篇最近被撤回的 arXiv 论文提出了一种用于近似 Uniform Decision Tree 问题的多项式时间算法。该算法实现了小于 11.57 的近似比，优于之前的贪心方法。其方法包括使用层次聚类技术分解最优决策树，并将子问题归约到最大覆盖问题。