We introduce a new approach to the

We introduce a new approach to the problem of overlapping clustering. The main idea is to formulate overlapping clustering as an optimization problem in which each data point is mapped to a small set of labels, representing membership to different clusters. The objective is to find a mapping so that the distances between data points agree as much as possible with distances taken over their label sets. To define distances between label sets, we consider two measures: a set-intersection indicator function and the Jaccard coefficient. To solve the main optimization problem we propose a local-search algorithm. The iterative step of our algorithm requires solving non-trivial optimization sub problems, which, for the measures of set-intersection and Jaccard, we solve using a greedy method and non-negative least squares, respectively. Since our frameworks uses pair wise similarities of objects as the input, it lends itself naturally to the task of clustering structured objects for which feature vectors can be difficult to obtain. As a proof of concept we show how easily our framework can be applied in two different complex application domains. Firstly, we develop overlapping clustering of animal trajectories, obtaining zoologically meaningful results. Secondly, we apply our framework for overlapping clustering of proteins based on pair wise similarities of amino acid sequences, outperforming the of state-of-the-art method in matching a ground truth taxonomy.

ผลลัพธ์ (ไทย) 1:

เราแนะนำวิธีการแบบใหม่ปัญหาของคลัสเตอร์ที่ทับซ้อน แนวคิดหลักคือการ กำหนดซ้อนคลัสเตอร์เป็นปัญหาการเพิ่มประสิทธิภาพในข้อมูลแต่ละจุดถูกแมปชุดเล็กป้าย แทนสมาชิกกับคลัสเตอร์ที่แตกต่างกัน วัตถุประสงค์คือเพื่อ ค้นหาการแม็ปเพื่อให้ระยะทางระหว่างจุดข้อมูลยอมรับมากที่สุด มีระยะทางที่ใช้ผ่านชุดของป้ายชื่อ เพื่อกำหนดระยะทางระหว่างป้ายชื่อชุด เราพิจารณามาตรการที่ 2: ฟังก์ชันบ่งชี้แยกชุดและค่าสัมประสิทธิ์ของ Jaccard การแก้ไขปัญหาเพิ่มประสิทธิภาพหลัก เราเสนออัลกอริทึมค้นหาท้องถิ่น ขั้นตอนที่ซ้ำของอัลกอริทึมของเราต้องแก้ปรับเล็กน้อยไม่ใช่ย่อยปัญหา ที่ สำหรับมาตรการชุดแยกและ Jaccard เราแก้โดยใช้วิธีการตะกละและไม่ลบเหลี่ยมน้อย ตามลำดับ เนื่องจากกรอบของเราใช้ความเหมือนฉลาดคู่ของวัตถุที่เป็นอินพุต มันยืดเองตามธรรมชาติไปงานในคลัสเตอร์โครงสร้างวัตถุที่คุณลักษณะเวกเตอร์สามารถยากที่จะได้รับการ หลักฐานของแนวคิด เราแสดงวิธีง่าย ๆ สามารถใช้กรอบของเราในโดเมนโปรแกรมประยุกต์ที่ซับซ้อนแตกต่างกันสอง ประการแรก เราพัฒนาคลัสเตอร์ของ trajectories สัตว์ ที่ทับซ้อนรับดังที่ zoologically ประการที่สอง เราใช้กรอบของเราสำหรับคลัสเตอร์ของโปรตีนที่ทับซ้อนตามคู่ฉลาดความเหมือนของลำดับกรดอะมิโน outperforming ที่วิธีทันสมัยในระบบภาษีพื้นความจริงที่ตรงกัน

ผลลัพธ์ (ไทย) 2:

เราแนะนำวิธีการใหม่ในการแก้ไขปัญหาของการจัดกลุ่มที่ทับซ้อนกัน แนวคิดหลักคือการกำหนดการจัดกลุ่มที่ทับซ้อนกันเช่นปัญหาการเพิ่มประสิทธิภาพซึ่งในแต่ละจุดข้อมูลที่ถูกแมปไปชุดเล็ก ๆ ของป้ายชื่อที่เป็นตัวแทนของสมาชิกกลุ่มที่แตกต่างกัน โดยมีวัตถุประสงค์เพื่อหาการทำแผนที่เพื่อให้ระยะทางระหว่างจุดข้อมูลที่เห็นด้วยมากที่สุดเท่าที่เป็นไปได้ด้วยระยะทางที่นำไปชุดป้ายชื่อของพวกเขา เพื่อกำหนดระยะทางระหว่างชุดฉลากเราพิจารณาสองมาตรการ: การตั้งจุดตัดฟังก์ชั่นตัวบ่งชี้และค่าสัมประสิทธิ์ Jaccard เพื่อแก้ปัญหาการเพิ่มประสิทธิภาพหลักที่เรานำเสนอขั้นตอนวิธีการค้นหาในท้องถิ่น ขั้นตอนซ้ำขั้นตอนวิธีการของเราต้องแก้ปัญหาการเพิ่มประสิทธิภาพไม่น่ารำคาญปัญหาย่อยซึ่งมาตรการในการตั้งจุดตัดและ Jaccard เราแก้โดยใช้วิธีโลภและสี่เหลี่ยมน้อยที่ไม่ใช่เชิงลบตามลำดับ เนื่องจากกรอบของเราใช้ความคล้ายคลึงกันฉลาดคู่ของวัตถุที่เป็น input มันยืมตัวเองตามธรรมชาติให้กับงานของวัตถุที่มีโครงสร้างการจัดกลุ่มที่มีพาหะอาจเป็นเรื่องยากที่จะได้รับ เป็นหลักฐานของแนวคิดที่เราแสดงให้เห็นว่าได้อย่างง่ายดายกรอบของเราสามารถนำมาประยุกต์ใช้ในสองแตกต่างกันโดเมนโปรแกรมประยุกต์ที่ซับซ้อน ประการแรกเราพัฒนาการจัดกลุ่มที่ทับซ้อนกันของไบสัตว์ได้รับผล zoologically ที่มีความหมาย ประการที่สองเราใช้กรอบของเราสำหรับการจัดกลุ่มที่ทับซ้อนกันของโปรตีนขึ้นอยู่กับคู่ความคล้ายคลึงกันที่ชาญฉลาดของลำดับกรดอะมิโนที่ดีกว่าของรัฐของศิลปะวิธีการในการจับคู่อนุกรมวิธานจริงพื้นดิน

ผลลัพธ์ (ไทย) 3:

เราแนะนำวิธีการใหม่เพื่อแก้ปัญหาที่ทับซ้อนกันในการจัดกลุ่ม . ความคิดหลักคือการสร้างคลัสเตอร์เป็นปัญหาทับซ้อนที่เหมาะสมซึ่งในแต่ละจุดข้อมูลจะถูกแมปไปยังชุดเล็กของป้ายชื่อที่เป็นตัวแทนของสมาชิกในกลุ่มที่แตกต่างกันโดยมีวัตถุประสงค์เพื่อหาแผนที่เพื่อให้ระยะทางระหว่างจุดข้อมูลที่เห็นด้วยมากที่สุดกับระยะทางมากกว่าชุดป้ายของพวกเขา การกำหนดระยะทางระหว่างชุดฉลากจะพิจารณามาตรการ 2 ชุดแยกบ่งชี้ฟังก์ชันและ Jaccard coefficient . เพื่อแก้หลักเพิ่มประสิทธิภาพ ปัญหาที่เราได้เสนออัลกอริทึมการค้นหาท้องถิ่นขั้นตอนซ้ำของขั้นตอนวิธีการเพิ่มประสิทธิภาพของเราต้องไม่จุกจิก ปัญหาย่อย ซึ่งสำหรับมาตรการของชุดแยก Jaccard เราแก้โดยใช้วิธีกำลังสองน้อยที่สุด ไม่โลภ และลบตามลำดับ เนื่องจากกรอบของเราใช้ความคล้ายคลึงกันของวัตถุคู่ปัญญาเป็นอินพุตมันยืมตัวเองตามธรรมชาติเพื่องานของการจัดกลุ่มโครงสร้างวัตถุที่เป็นพาหะคุณลักษณะที่สามารถยากที่จะได้รับ เป็นหลักฐานของแนวคิดที่เราแสดงวิธีง่ายกรอบของเราสามารถใช้โดเมนที่แตกต่างกันสองโปรแกรมที่ซับซ้อน ประการแรก เราพัฒนากันการจัดกลุ่มของวิถีการ zoologically สัตว์ที่มีผล ประการที่สองเราใช้กรอบของเราทับซ้อนในการจัดกลุ่มของโปรตีนขึ้นอยู่กับคู่ปัญญาความเหมือนของลำดับกรดอะมิโน , outperforming ของวิธีที่ดีที่สุดในการจับคู่ความจริงพื้นดินอนุกรมวิธาน