The problem of overlapping clusteri

The problem of overlapping clustering, where a point is allowed to belong to multiple clusters, is becoming increasingly important in a variety of applications. In this paper, we present an overlapping clustering algorithm based on multiplicative mixture models. We analyze a general setting where each component of the multiplicative mixture is from an exponential family, and present an efficient alternating maximization algorithm to learn the model and infer overlapping clusters. We also show that when each component is assumed to be a Gaussian, we can apply the kernel trick leading to non-linear cluster separators and obtain better clustering quality. The efficacy of the proposed algorithms is demonstrated using experiments on both UCI benchmark datasets and a microarray gene expression dataset.

ผลลัพธ์ (ไทย) 1:

ปัญหาของคลัสเตอร์ ที่จุดที่ได้รับอนุญาตให้เป็นสมาชิกของคลัสเตอร์หลาย ซ้อนทับกันเป็นสำคัญมากขึ้นในโปรแกรมประยุกต์ที่หลากหลาย ในเอกสารนี้ เรานำอัลกอริธึมระบบคลัสเตอร์ทับซ้อนกันตามรูปแบบส่วนผสมเชิงการคูณ เราวิเคราะห์การตั้งค่าทั่วไปซึ่งแต่ละส่วนของส่วนผสมเชิงการคูณมาจากครอบครัวการเนน และนำเสนอมีประสิทธิภาพสลับ maximization อัลกอริทึม การเรียนรู้แบบอนุมานคลัสเตอร์ที่ทับซ้อนกัน เรายังแสดงว่า เมื่อแต่ละส่วนจะถือ แบบ Gaussian เราสามารถใช้เคล็ดลับเมล็ดนำไปแยกคลัสเตอร์ที่ไม่ใช่เชิงเส้น และได้รับคุณภาพที่ดีระบบคลัสเตอร์ ประสิทธิภาพของอัลกอริทึมนำเสนอจะแสดงโดยใช้ทดลอง UCI มาตรฐาน datasets และชุดข้อมูลนิพจน์ยีน microarray

ผลลัพธ์ (ไทย) 2:

ปัญหาของการจัดกลุ่มที่ทับซ้อนกันที่จุดได้รับอนุญาตให้อยู่ในกลุ่มหลายจะทวีความสำคัญมากขึ้นในการใช้งานที่หลากหลาย ในบทความนี้เราจะนำเสนอขั้นตอนวิธีการจัดกลุ่มที่ทับซ้อนกันขึ้นอยู่กับรูปแบบผสมคูณ เราวิเคราะห์การตั้งค่าทั่วไปที่ส่วนประกอบของส่วนผสมแต่ละคูณมาจากครอบครัวที่ชี้แจงและนำเสนอขั้นตอนวิธีการที่มีประสิทธิภาพสูงสุดสลับการเรียนรู้รูปแบบและสรุปกลุ่มที่ทับซ้อนกัน นอกจากนี้เรายังแสดงให้เห็นว่าเมื่อแต่ละองค์ประกอบจะถือว่าเสียนเราสามารถนำเคล็ดลับเมล็ดนำไปสู่​​การแยกคลัสเตอร์ไม่เชิงเส้นที่มีคุณภาพและได้รับการจัดกลุ่มที่ดีขึ้น ประสิทธิภาพของอัลกอริทึมที่นำเสนอนี้แสดงให้เห็นถึงการใช้การทดลองทั้งในชุดข้อมูลมาตรฐาน UCI และชุดข้อมูลการแสดงออกของยีน microarray

ผลลัพธ์ (ไทย) 3:

ปัญหาที่ทับซ้อนกันในการจัดกลุ่ม ซึ่งจุดที่ได้รับอนุญาตให้อยู่หลายกลุ่ม เป็นสำคัญมากขึ้นในความหลากหลายของการใช้งาน ในกระดาษนี้เราอยู่กันในการจัดกลุ่มขั้นตอนวิธีขึ้นอยู่กับรุ่นที่ผสมการคูณ . เราวิเคราะห์การตั้งค่าทั่วไปที่แต่ละองค์ประกอบของส่วนผสมการคูณจากครอบครัวชี้แจง ,และปัจจุบันที่มีประสิทธิภาพสูงสลับขั้นตอนวิธีเพื่อเรียนรู้รูปแบบและอนุมานกลุ่มที่ทับซ้อนกัน นอกจากนี้เรายังแสดงให้เห็นว่าเมื่อแต่ละองค์ประกอบจะถือว่าเป็นลักษณะที่เราสามารถใช้เมล็ดมายากลไปสู่กลุ่มเส้นคั่นและได้รับดีกว่าสำหรับคุณภาพประสิทธิภาพของอัลกอริทึมใหม่แสดงให้เห็นโดยใช้การทดลองทั้งสอง UCI และมาตรฐานข้อมูล microarray ข้อมูลการแสดงออกของยีน .