Overlapping clustering allows a dat

Overlapping clustering allows a data point to be a member of multiple clusters, which is more appropriate for modeling many real data semantics. However, much of the existing work on overlapping clustering simply assume that a data point can be assigned to any number of clusters without any constraint. This assumption is not supported by many real contexts. In an attempt to reveal true data cluster structure, we propose sparsity constrained overlapping clustering by incorporating sparseness constraints into an overlapping clustering process. To solve the derived sparsity constrained overlapping clustering problems, efficient and effective algorithms are proposed. Experiments demonstrate the advantages of our overlapping clustering model.

ผลลัพธ์ (ไทย) 1:

คลัสเตอร์ที่ทับซ้อนให้จุดข้อมูลเป็น สมาชิกของคลัสเตอร์หลาย ซึ่งเป็นที่เหมาะสมสำหรับความหมายของข้อมูลที่แท้จริงในการสร้างโมเดล อย่างไรก็ตาม มากของงานที่มีอยู่ในคลัสเตอร์ที่ทับซ้อนเพียงสมมติว่าที่จุดข้อมูลสามารถกำหนดให้กับหมายเลขของคลัสเตอร์โดยไม่มีข้อจำกัดใด ๆ นี้ไม่ได้รับการสนับสนุน โดยบริบทจริงมาก ในความพยายามที่จะเปิดเผยโครงสร้างคลัสเตอร์ข้อมูลจริง เราเสนอ sparsity จำกัดคลัสเตอร์ โดยเพจ sparseness ข้อจำกัดในกระบวนการระบบคลัสเตอร์ที่เหลื่อมทับซ้อนกัน แก้ sparsity รับจำกัดซ้อนปัญหาระบบคลัสเตอร์ มีประสิทธิภาพ และอัลกอริทึมที่มีประสิทธิภาพมีการนำเสนอ การทดลองแสดงให้เห็นถึงข้อดีของแบบจำลองระบบคลัสเตอร์ของเราทับซ้อนกัน

ผลลัพธ์ (ไทย) 2:

การจัดกลุ่มที่ทับซ้อนกันช่วยให้จุดข้อมูลที่จะเป็นสมาชิกของกลุ่มหลายซึ่งเป็นที่เหมาะสมสำหรับการสร้างแบบจำลองความหมายข้อมูลจริงจำนวนมาก แต่มากของการทำงานที่มีอยู่ในการจัดกลุ่มที่ทับซ้อนกันก็คิดว่าจุดข้อมูลสามารถกำหนดให้จำนวนของกลุ่มใด ๆ โดยไม่ จำกัด ใด ๆ สมมติฐานนี้ไม่ได้รับการสนับสนุนโดยบริบทจริงจำนวนมาก ในความพยายามที่จะเปิดเผยโครงสร้างคลัสเตอร์ข้อมูลจริงเราเสนอ จำกัด sparsity การจัดกลุ่มที่ทับซ้อนกันโดยการใช้มาตรการ จำกัด ที่เบาบางลงไปในขั้นตอนการจัดกลุ่มที่ทับซ้อนกัน เพื่อแก้ sparsity มา จำกัด การจัดกลุ่มปัญหาที่ทับซ้อนกัน, ขั้นตอนวิธีการที่มีประสิทธิภาพและมีประสิทธิภาพได้รับการเสนอ การทดลองแสดงให้เห็นถึงข้อดีของรูปแบบการจัดกลุ่มที่ทับซ้อนกันของเรา

ผลลัพธ์ (ไทย) 3:

ช่วยให้ข้อมูลที่ทับซ้อนกันสำหรับจุดเป็นสมาชิกของหลายกลุ่ม ซึ่งมีความเหมาะสมกับโมเดลลิ่งหลายข้อมูลที่เป็นจริงอรรถศาสตร์ แต่มากของงานที่มีอยู่ในที่ทับซ้อนกันเป็นเพียงแค่สันนิษฐานว่าจุดข้อมูลสามารถกำหนดให้หมายเลขใด ๆของกลุ่มโดยไม่มีข้อจำกัด . สมมติฐานนี้จะไม่ได้รับการสนับสนุนโดยบริบทที่แท้จริงมากในความพยายามที่จะเปิดเผยโครงสร้างกลุ่มข้อมูลที่แท้จริง เราจึงขอเสนอ sparsity บังคับซ้อนการจัดกลุ่มโดยผสมผสานกัน sparseness เป็นข้อจำกัดสำหรับกระบวนการ แก้ได้ sparsity คงที่การจัดกลุ่มปัญหาทับซ้อนและมีประสิทธิภาพขั้นตอนวิธีที่เสนอ การทดลองที่แสดงให้เห็นถึงประโยชน์ของกลุ่มของเราที่ทับซ้อนกันแบบ