We present a novel formulation for

We present a novel formulation for overlapping clustering. In a nutshell, to each data point is assigned a set of labels representing membership to different (overlapping) clusters. Defining a similarity function H(`(u),`(v)) between cluster labels,allowustodefineourobjectivefunctionoverthe“residual error” |H(`(u),`(v))−s(u,v)|, where s(u,v) is the input similarity function between pairs of data points. In this paper we consider summing the error terms|H(`(u),`(v))−s(u,v)| over all pairs of data points. An interesting future direction is to apply our idea to other clustering paradigms, different than correlation clustering. For example, one can consider only the errortermsamongdatapointsand k “prototypical”datapoints. With respect to the concrete optimization problems defined in this paper, it would be interesting to investigate different approaches, for example, using non local-search algorithms such as the idea based on relaxed graph-coloring, mentioned in Section III. Other interesting directions are to apply graph coloring solutions for the initialization step, as discussed in Section IV-D, and to design an approximation algorithm for the JACCARD-TRIANGULATION problem. Finally, it will be very interesting to apply the approach to different application domains.

ผลลัพธ์ (ไทย) 1:

เรานำเสนอการกำหนดนวนิยายสำหรับคลัสเตอร์ที่ทับซ้อน สั้น ข้อมูลแต่ละ จุดมีกำหนดชุดของป้ายชื่อที่เป็นตัวแทนสมาชิกกลุ่มต่าง ๆ (ซ้อนทับ) Defining ฟังก์ชันคล้าย H('(u),'(v)) ระหว่างป้ายชื่อคลัสเตอร์ allowustodefineourobjectivefunctionoverthe "ข้อผิดพลาดที่เหลือ" | H('(u),'(v))−s(u,v) กรุนด์ฟอส ฟังก์ชันสำหรับการป้อนค่าความคล้ายคลึงระหว่างคู่ของจุดข้อมูล s(u,v) ในกระดาษนี้ เราพิจารณาข้อสรุปเงื่อนไขข้อผิดพลาดกรุนด์ฟอส H('(u),'(v))−s(u,v) | กว่าคู่ทั้งหมดของจุดข้อมูล ทิศทางในอนาคตที่น่าสนใจคือการ ใช้ความคิดของเรากับกรอบอื่น ๆ การ clustering แตกต่างความสัมพันธ์คลัสเตอร์ ตัวอย่างเช่น หนึ่งสามารถพิจารณาเฉพาะการ errortermsamongdatapointsand k "สาขา" ซ้อน เกี่ยวกับตกลงปัญหาคอนกรีตปรับในเอกสารนี้ มันจะน่าสนใจเพื่อตรวจสอบแนวทาง เช่น โดยใช้อัลกอริทึมค้นหาท้องถิ่นไม่ใช่เป็นความคิดที่อิงผ่อนคลายระบายสีกราฟ กล่าวถึงในส่วน III เส้นทางที่น่าสนใจอื่น ๆ มี การใช้โซลูชั่นสำหรับขั้นตอนการเริ่มต้น การระบายสีกราฟตามที่กล่าวไว้ในส่วน IV-D และ การออกแบบขั้นตอนประมาณสำหรับปัญหา JACCARD ระบบสามสกุล ในที่สุด มันจะน่าสนใจมากจะใช้วิธีการโดเมนโปรแกรมประยุกต์อื่น

ผลลัพธ์ (ไทย) 2:

เรานำเสนอสูตรใหม่สำหรับการทับซ้อนกันเป็นกลุ่มก้อน สรุปข้อมูลไปยังจุดรับมอบหมายในแต่ละชุดของป้ายที่เป็นตัวแทนของสมาชิกที่แตกต่างกัน (ที่ทับซ้อนกัน) แสงเฉพาะจุด De Fi หนิงเอชฟังก์ชั่นที่คล้ายคลึงกัน ( `(U)` (V)) ระหว่างป้ายคลัสเตอร์ allowustode Fi neourobjectivefunctionoverthe ข้อผิดพลาด "ที่เหลือ" | H ( `(U)` (V)) - s (U, V) | ที่ s ( U, V) เป็นฟังก์ชั่นการป้อนข้อมูลความคล้ายคลึงกันระหว่างคู่ของจุดข้อมูล ในบทความนี้เราจะพิจารณาข้อสรุปข้อตกลงข้อผิดพลาด | H ( `(U)` (V)) - s (U, V) | มากกว่าทุกคู่ของจุดข้อมูล ทิศทางในอนาคตที่น่าสนใจคือการใช้ความคิดของเราที่จะกระบวนทัศน์การจัดกลุ่มอื่น ๆ ที่แตกต่างจากการจัดกลุ่มสัมพันธ์ ตัวอย่างเช่นหนึ่งสามารถพิจารณาเฉพาะ errortermsamongdatapointsand K datapoints "แม่บท" เกี่ยวกับปัญหาการเพิ่มประสิทธิภาพคอนกรีตนิยามในบทความนี้ก็จะเป็นที่น่าสนใจในการตรวจสอบวิธีการที่แตกต่างกันตัวอย่างเช่นการใช้อัลกอริทึมการค้นหาในท้องถิ่นที่ไม่ได้เช่นความคิดที่อยู่บนพื้นฐานของการผ่อนคลายกราฟสีที่ระบุไว้ในมาตรา III ทิศทางที่น่าสนใจอื่น ๆ ที่จะนำไปใช้แก้ปัญหากราฟสีสำหรับขั้นตอนการเริ่มต้นที่กล่าวไว้ในมาตรา IV-D และการออกแบบขั้นตอนวิธีการประมาณสำหรับปัญหา Jaccard-รูปสามเหลี่ยม สุดท้ายมันจะน่าสนใจมากที่จะใช้วิธีการที่แตกต่างกันโดเมนโปรแกรมประยุกต์

ผลลัพธ์ (ไทย) 3:

เรานำเสนอการแบ่งกลุ่มใหม่ทับซ้อน . สรุปแล้ว แต่ละจุดข้อมูลจะได้รับชุดของป้ายชื่อที่เป็นตัวแทนของสมาชิกที่แตกต่างกัน ( ซ้อน ) กลุ่ม เดอจึงหนิงความเหมือนฟังก์ชัน h ( ` ( U ) ` ( v ) ระหว่างป้ายกลุ่ม allowustode จึง neourobjectivefunctionoverthe ที่เหลือ " ข้อผิดพลาด " | H ( ` ( U ) ` ( v ) − s ( u , v ) | ที่ S ( U , V ) คือ ความเหมือน ฟังก์ชัน ระหว่างใส่ คู่ของจุดข้อมูล ในกระดาษนี้เราพิจารณารวมข้อผิดพลาดด้าน | H ( ` ( U ) ` ( v ) − s ( u , v ) | มากกว่าคู่ของจุดข้อมูล ทิศทางในอนาคตที่น่าสนใจ คือ การใช้ความคิดของเราในอื่น ๆสำหรับกระบวนทัศน์แตกต่างกันกว่าการจัดกลุ่มสหสัมพันธ์ . ตัวอย่างเช่นหนึ่งสามารถพิจารณาเท่านั้น errortermsamongdatapointsand K " ธรรมดา " datapoints . ด้วยความเคารพต่อคอนกรีตที่เหมาะสมปัญหาเด จึงลงในกระดาษนี้ เป็นที่น่าสนใจที่จะศึกษาวิธีการต่างๆ ตัวอย่างเช่น การใช้อัลกอริทึมการค้นหาองค์กรท้องถิ่น เช่น แนวคิดจากการระบายสีกราฟผ่อนคลาย กล่าวถึงในส่วนที่ III ที่น่าสนใจอื่น ๆทิศทางที่จะใช้กราฟสีโซลูชั่นสำหรับการเริ่มต้นขั้นตอน ตามที่กล่าวไว้ในมาตรา iv-d และออกแบบขั้นตอนวิธีสำหรับประมาณ jaccard-triangulation ปัญหา ในที่สุด , มันจะน่าสนใจมากที่จะใช้วิธีการโดเมนโปรแกรมประยุกต์ที่แตกต่างกัน