Overlapping clustering. In 1979 She

Overlapping clustering. In 1979 Shepard and Arabie introduced
the ADCLUS algorithm [20] for additive clustering,
which perhaps can be considered the first overlappingclustering
method. The method, which has been later applied
in the marketing domain [21], subsumes hierarchical clustering
as a special case and can be regarded as a discrete analog of
principal components analysis.
Regardless this ancient roots, in the last decades overlapping
clustering has not attracted as much attention as nonoverlapping
clustering. One close sibling is fuzzy clustering
[22], where each data point has a membership value in all
the clusters. In this context cluster membership is “soft”, as
apposed to our paper that we are interested in “hard” cluster
assignments. Obviously a hard (and overlapping) cluster assignment
can be obtained by thresholding membership values.
The prototypical fuzzy-clustering method is fuzzy c-means,
which is essentially a soft version of k-means.
Recently mixture-models have been generalized to allow
overlapping clusters. Banerjee et al. [7] generalize the work
of Segal et al. [23] to work with any regular exponential
family distribution, and corresponding Bregman divergence.
The work of Banerjee et al. [7] has later been extended to coclustering
by Shafiei and Milios [24]. Multiplicative mixture
models have been proposed as a framework for overlapping
clustering by Fu and Banerjee [25].
Our work distinguishes from this body of research as it
develops within the correlation clustering framework, and thus
it has a different input and different objectives. One of the main
differences is that the above discussed methods are not easily
applicable when features vectors are not available, as in our
application on trajectories and proteins.

ผลลัพธ์ (ไทย) 1:

ซ้อนคลัสเตอร์ ในปีค.ศ. 1979 เพิร์และ Arabie แนะนำขั้นตอนวิธี ADCLUS [20] ในคลัสเตอร์สามารถซึ่งอาจถือได้ว่า overlappingclustering แรกวิธีการ วิธี ซึ่งถูกใช้ในภายหลังในตลาดโดเมน [21], subsumes คลัสเตอร์ตามลำดับชั้นเป็นพิเศษกรณี และอาจถือเป็นแบบแอนะล็อกเดี่ยว ๆ ของการวิเคราะห์ส่วนประกอบหลักไม่โบราณนี้ราก ในทศวรรษที่ซ้อนทับกันคลัสเตอร์มีไม่ดึงดูดความสนใจมากเป็นขนานคลัสเตอร์ พี่น้องใกล้ชิดหนึ่งคือเอิบคลัสเตอร์[22], ซึ่งแต่ละจุดข้อมูลได้ค่าสมาชิกทั้งหมดคลัสเตอร์ ในคลัสเตอร์นี้บริบท สมาชิกจะ "อ่อน" เป็นapposed กับกระดาษของเราว่า เรามีความสนใจในคลัสเตอร์ "ยาก"กำหนด คลัสเตอร์อย่างหนัก (และทับซ้อนกัน) การกำหนดอย่างชัดเจนสามารถได้รับ โดยค่าสมาชิก thresholdingวิธี prototypical เอิบคลัสเตอร์เป็นปุย c-หมายถึงซึ่งจะเป็นรุ่นที่นุ่มหมายถึง kเมื่อเร็ว ๆ นี้ รูปแบบผสมมีการตั้งค่าทั่วไปให้คลัสเตอร์ที่ทับซ้อน งานทั่วไป Banerjee และ al. [7]ของ Segal et al. [23] การทำงานประจำใด ๆ เนนครอบครัวกระจาย และ divergence Bregman สอดคล้องกันภายหลังมีการขยายงานของ Banerjee และ al. [7] การ coclusteringโดย Shafiei และ Milios [24] ส่วนผสมเชิงการคูณรุ่นได้รับการเสนอเป็นกรอบสำหรับการทับซ้อนคลัสเตอร์ฟูและ Banerjee [25]งานของเราแตกต่างจากนี้เนื้อหาของงานวิจัยตามความพัฒนาภายในความสัมพันธ์คลัสเตอร์กรอบ และดังนั้นมีการป้อนข้อมูลที่แตกต่างกันและวัตถุประสงค์ที่แตกต่างกัน หลักการอย่างใดอย่างหนึ่งความแตกต่างคือวิธี discussed ข้างต้นไม่ได้เมื่อใช้คุณลักษณะเวกเตอร์ไม่มี ในของเราโปรแกรมประยุกต์บน trajectories และโปรตีน

ผลลัพธ์ (ไทย) 3:

ที่ทับซ้อนกันในการจัดกลุ่ม . ในปี 1979 Shepard และ arabie แนะนำ
adclus ขั้นตอนวิธี [ 20 ] สำหรับการบวก การเข้ากลุ่ม
ซึ่งบางทีก็ถือเป็นวิธี overlappingclustering
ก่อน วิธีที่ได้รับต่อมาประยุกต์
ในการตลาดโดเมน [ 21 ] , subsumes การจัดกลุ่มลำดับชั้น
เป็นกรณีพิเศษ และสามารถถือได้ว่าเป็นแบบไม่ต่อเนื่องของการวิเคราะห์องค์ประกอบหลัก

.ไม่นี้โบราณ ราก ในช่วงทศวรรษที่ทับซ้อนกัน
การจัดกลุ่มไม่ได้ดึงดูดความสนใจมากเป็น nonoverlapping
การจัดกลุ่ม . หนึ่งคือ Fuzzy การจัดกลุ่มใกล้ชิดพี่น้อง
[ 22 ] ที่จุดข้อมูลแต่ละค่ามีสมาชิกในกลุ่มทั้งหมด
. ในบริบทของกลุ่มสมาชิก " อ่อน " เป็น
อีกทีกระดาษของเราที่เราสนใจ " ยาก " กลุ่ม
ที่ได้รับมอบหมายเห็นได้ชัดยาก ( และทับซ้อนกัน ) กลุ่มงาน
ได้โดยปรับค่าสมาชิก แบบ Fuzzy การจัดกลุ่ม

วิธีฟัซซีซีมีนซึ่งเป็นหลัก , รุ่นนุ่มของ k-means .
เมื่อเร็ว ๆนี้รุ่นผสมได้ทั่วไปให้
กลุ่มที่ทับซ้อนกัน Banerjee et al . [ 7 ] generalize
ของซีกัล et al . [ 23 ] ทำงานกับใด ๆปกติ
เอกซ์โพเนนเชียลการกระจายของครอบครัว และสอดคล้องกัน เบรกแมน divergence .
งาน Banerjee et al . [ 7 ] มีต่อมาถูกขยายและ coclustering
โดย shafiei milios [ 24 ] รุ่นผสม
คูณได้รับการเสนอเป็นกรอบซ้อน
การจัดกลุ่มโดย Fu และ Banerjee [ 25 ] .
งานของเราแตกต่างจากร่างของการวิจัยที่พัฒนาขึ้นในกรอบความสัมพันธ์

สำหรับ และดังนั้นจึงมันมีข้อมูลที่แตกต่างกันและวัตถุประสงค์ที่แตกต่างกัน หนึ่งในความแตกต่างหลักที่กล่าวถึงข้างต้น

ใช้วิธีไม่ง่ายเมื่อเวกเตอร์คุณสมบัติไม่พร้อมใช้งาน เช่น ในโปรแกรมของเรา
ในวิถี และโปรตีน