K-means++
PulseAugur coverage of K-means++ — every cluster mentioning K-means++ across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
k-means++ 算法改进以提高近似比
研究人员提出了一种对 k-means++ 算法的修改，k-means++ 是一种用于初始化 k-means 聚类的常用方法。标准算法对于固定数量的中心 k，其最坏情况下的期望近似比为 \Theta(\log k)。然而，当中心数量 k 从范围 \{K, \ldots, 2K-1\} 中均匀选择时，修改后的 k-means++ 算法能以恒定概率实现 O(1) 近似。
-
新的主动学习策略提高了稀有叫声的生物声学分类
研究人员开发了一种名为 BADGE-Greedy-DPP 的新主动学习策略，用于生物声学叫声类型分类，该策略对于长尾和稀疏数据集特别有效。该方法贪婪地选择最大化梯度嵌入体积的片段，确保最优批次值的高比例。该方法还通过逐帧加权预测残差来解决时间粒度不匹配问题，使稀有叫声能够显著影响片段方向。在对斑鬣狗叫声数据集的实验中，BADGE-Greedy-DPP 在整体和稀有叫声类型性能方面均优于其他查询策略。
-
新的PLSCAN算法提供改进的多尺度密度聚类
研究人员推出了一种新颖的多尺度密度聚类算法PLSCAN，用于探索性数据分析。PLSCAN通过采用基于持久性的聚类选择程序，解决了DBSCAN和HDBSCAN等现有密度聚类方法中的超参数选择难题。该方法识别跨越不同尺度的稳定聚类，与HDBSCAN*相比，在真实数据集上表现出更高的性能和稳定性，具体体现在更高的中位数ARI和更好的重采样稳定性。此外，在低维数据上，PLSCAN的运行时间与k-Means++相当。
-
新准则利用数据难度优化 k-means++ 重启
研究人员为 k-means++ 算法开发了一种名为 GTRC 的新准则，用于确定最佳重启次数。该方法使用 Good-Turing 估计和置信区间，根据数据集难度动态调整重启次数，而不是依赖于任意固定的次数。在 36 个数据集上的测试表明，GTRC 在适当变化重启次数的同时实现了具有竞争力的聚类质量，提供了一种更具原则性的方法。
-
AI框架使用K-Means++聚类识别可疑交易模式
研究人员开发了一个新的工具包，使用K-Means++聚类来检测资本市场中的可疑交易模式。该框架分析了2012年至2024年间约一百万笔金融交易的数据集，识别出2.02%的交易可能存在欺诈。识别出的可疑交易被分为操纵交易、金字塔骗局、内幕交易和假突破等类型，但由于缺乏真实数据，很大一部分仍未分类。该模型的有效性通过0.561的轮廓系数得到验证。
-
Lloyd算法在扰动样本下的聚类一致性已获证明
研究人员分析了Lloyd算法（一种流行的无监督聚类方法）在应用于扰动数据时的收敛性。他们证明，即使存在小的扰动，只要初始化得当，该算法在对数次迭代后仍能保持误聚类率的指数界限。这一理论保证也适用于衡量派生聚类统计显著性的流水线，对网络分析和时间序列分析等领域的谱聚类应用具有启示意义。