محبوبترین نویسندگان :
نویسندگان مقالات پربازدید :
یادگیری ماشین 2013
جزئیات رویداد
اینستاگرام تی پی بین
همایش ، رویداد ، ژورنال
حوزه های تحت پوشش رویداد
  • جزئیات بیشتر مقاله
    • تاریخ ارائه: 1392/07/24
    • تاریخ انتشار در تی پی بین: 1392/07/24
    • تعداد بازدید: 1004
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    clustering ensemble methods produce a consensus partition of a set of data points by combining the results of a collection of base clustering algorithms. in the evidence accumulation clustering(eac) paradigm, the clustering ensemble is transformed into a pairwise co-association matrix, thus avoiding the label correspondence problem, which is intrinsic to other clustering ensemble schemes. in this paper, we propose a consensus clustering approach based on the eac paradigm, which is not limited to crisp partitions and fully exploits the nature of the co-association matrix. our solution determines probabilistic assignments of data points to clusters by minimizing a bregman divergence between the observed co-association frequencies and the corresponding co-occurrence probabilities expressed as functions of the unknown assignments. we additionally propose an optimization algorithm to find a solution under any double-convex bregman divergence. experiments on both synthetic and real benchmark data show the effectiveness of the proposed approach. 

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها
مقالات جدیدترین ژورنال ها