[KDD 2019] K-Multiple-Means: A Multiple-Means Clustering Method with Specified K Clusters

最新推荐文章于 2021-09-02 21:04:37 发布
最新推荐文章于 2021-09-02 21:04:37 发布
阅读量714 收藏 1
点赞数
分类专栏： 迁移+无监督+其他
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/cp_oldy/article/details/107080197
版权

论文下载

作者博客：一种新的原型聚类方法：K-multiple-means

K-Multiple-Means (KMM) 定义了一个显示的目标函数，在给定总的聚类数k和总的prototypes数m时，通过优化问题求解，自适应的把m个prototype以及n个原始数据点划分到k类中。m设定为 n × k \sqrt{n×k} n×k ​，表示类别数和样本数越大prototype的个数也也多。这是一个启发式算法，所以性能并没有非常好。

之前在2D检索3D的工作中，每个类prototype的个数是手工设定的。实验中，自动聚类的方法效果不好。每个类别的特征分布不一样，那么簇的个数也不一样，所以如何自动得到每个类的子类中心个数仍然是个挑战！

一亩高粱
关注
专栏目录
肘方法确定聚类数k_一种新的原型聚类方法：K-multiple-means
weixin_35338620的博客
12-25 262
k-means很适合对簇状分布的数据聚类，同时可以得到每类数据的prototype，也就是均值点，用来做向量量化之类的任务。但k-means解决不了非簇状分布的数据聚类问题，所以也就没法给出非簇状数据的prototype。谱聚类虽然可以很好的解决非簇状分布的数据聚类问题，但也没有办法给出每一类数据对应的prototype。Multiple Prototype试图通过对每一类数据用多个prototy...
类k-均值算法无法解决非簇状分布的数据聚类问题_一种新的原型聚类方法：K-multiple-means...
weixin_35660038的博客
01-31 484
k-means很适合对簇状分布的数据聚类，同时可以得到每类数据的prototype，也就是均值点，用来做向量量化之类的任务。但k-means解决不了非簇状分布的数据聚类问题，所以也就没法给出非簇状数据的prototype。谱聚类虽然可以很好的解决非簇状分布的数据聚类问题，但也没有办法给出每一类数据对应的prototype。Multiple Prototype试图通过对每一类数据用多个prototy...
[KDD 2019] K-Multiple-Means（K多均值聚类）
Robert_Gordon的博客
08-01 1709
原文作者链接 本次描述地这篇论文是《K-Multiple-Means: A Multiple-Means Clustering Method with Specified K Clusters》，这是一篇关于多原型聚类地文章。 众所周知，K-means是一种非常流行地聚类方法，使用一个质心对每一类的数据进行建模，在大多数的数据分布中能取得很好的效果。但是对于双月牙形这种非凸图案，得到的聚类结果很差。由此作者提出了一种新的多原型聚类的方法——KMM（K多均值聚类）。 不同于以往的原型聚类方法（层次聚类），即先
KDD2019_K-Multiple-Means:论文“ K-多重均值”的实现
05-06
KDD2019_K多次平均（KMM） 论文“ K-多重均值：具有指定K聚类的多重均值聚类方法”的实施，该研究已被KDD'2019接受为口头研究论文。 论文： : 抽象的 在本文中，我们对多个均值的聚类进行了K-均值的扩展。 流行的K-means聚类仅使用一个中心来对每一类数据建模。 但是，关于簇形状的假设禁止其捕获非凸图案。 此外，许多类别由多个子类组成，这些子类显然无法用单个原型表示。 我们提出了一种K-Multiple-Means（KMM）方法，将具有多个子聚类平均值的数据点分组为指定的k个聚类。 与使用凝聚策略的方法不同，该方法将多均值聚类问题形式化为一个优化问题，并通过交替优化策略更新了m个子聚类平均值和k个聚类的分区。 值得注意的是，具有多均值表示的原始数据分区被建模为具有受限拉普拉斯秩的二部图分区问题。 我们还展示了我们的方法与K-means聚类之间的联系的理论分析。
聚类算法K-Means, K-Medoids, GMM, Spectral clustering，Ncut
天下对手教会少林武僧
07-01 352
聚类算法是ML中一个重要分支，一般采用unsupervised learning进行学习，本文根据常见聚类算法分类讲解K-Means, K-Medoids, GMM, Spectral clustering，Ncut五个算法在聚类中的应用。 Clustering Algorithms分类 1. Partitioning approach: 建立数据的不同分割，然后用相同标准评...
一种具有特定K簇的多均值聚类方法”的实现.zip_K._k-means聚类算法_聚类
最新发布
09-19
在KDD2019_K-Multiple-Means-master这个项目中，我们可以看到作者提供了K-means聚类算法的实现，可能包含了多均值聚类的优化。通过阅读源代码，我们可以了解如何处理上述问题，例如如何确定合适的K值、如何初始化...
KDD-CUP99-Modeling:一个基于KDD CUP99数据集学习分类算法的项目
05-09
请随时研究数据集上异常检测的不同算法。 Python或Matlab中的机器学习分类器（例如SVM，TSVM，Radom Forrest，RNN等）； Python或Matlab中的（例如NSA，否定选择算法）； 最后，总结不同算法的比较。
matlabauc代码-KDD-CUP-2014:KDD-CUP-2014
05-24
Matlab的耳语KDD-CUP-2014 KDD-CUP-2014在DonorsChoose.org上预测兴奋 团队细分错误 团队成员：陈浩，金文功，彭延庆，赵卓月 ＃＃＃数据处理： data_processing / donation.rb（由Chen Hao撰写）：从donation.csv中...
百度地图毕业设计源码-kddcup2019-archaive:KDDCup2019AutomlTrack的实现代码、总结和经验
06-06
KDDCup2019 冠军方案经验总结 题目特点 在这次比赛中，主要有以下难点： 1.挖掘有效的特征 与传统数据挖掘竞赛不同的是，AutoML竞赛中，参赛选手只知道数据的类型（数值变量、分类变量、时间变量、多值分类变量等）...
K-means Clustering【K-means聚类算法
he wolf
02-25 1874
对于处理大量样本数据很有用，比如服装制造商针对顾客体型数据确定S,M,L号的相应尺寸。 例如取k=2， 第一步， 任意取两个样本数据点作为中心，计算坐标中的所有其他点到这两点的距离，离哪个中心更近就加入这个中心的类。最后得到两个类 第二步，分别计算两个类的所有点的平均横坐标和平均纵坐标，得到新的两个中心。 不断重复这两部，中心位置不断收敛，最后得到一个极值。 k-
数据挖掘（KDD）聚类算法KMEANS的MATLAB实现
11-09
数据挖掘（KDD）聚类算法KMEANS的MATLAB实现
k-means clustering K平均算法
编程资料大全
08-10 134
此算法的主要作用：屏幕上很多的点，把相邻的点聚到离他最近的点。 k-means algorithm算法是一个聚类算法，把n个对象根据他们的属性分为k个分割，k < n。它与处理混合正态分布的最大期望算法很相似，因为他们都试图找到数据中自然聚类的中心。 php实现算法代码如下： class Cluster { public $points; public $a...
K-Means聚类 K-Means Clustering
GarfieldEr007的专栏
01-04 3292
K-Means Clustering The Algorithm K-means (MacQueen, 1967) is one of the simplest unsupervised learning algorithms that solve the well known clustering problem. The procedure follows a simple and
【ML】K均值聚类算法 (K-means Clustering)
北境の守望者
08-23 1450
Ref K-means算法及C语言实现：总结的不错 OpenCV中的K-means聚类: Python 版本，带 plt 直方图过程
K-Means Clustering算法
一只不会写程序的程序猿
04-01 8150
K-Means Clustering算法 k-means聚类接受的参数输入和分级聚类算法一样，接受相同的数据行作为输入，此外它还接受一个调用者期望返回的聚类数（k）作为参数。 k-means聚类算法不同于分级聚类算法，它会预先告诉算法希望生成的聚类数量，然后算法会根据数据的结构状况来确定聚类的大小。聚类过程 图1 K-Means聚类算法示意图 在第一步中，随机生成两个聚类中心，分别是两个小
K-means 聚类算法
GarfieldEr007的专栏
01-09 2753
K-means -means is the most important flat clustering algorithm. Its objective is to minimize the average squared Euclidean distance (Chapter 6 , page6.4.4 ) of documents from their cluster cent
9月2日论文
single_ton的博客
09-02 105
K-multiple-means: A multiple-means clustering method with specified K clusters 摘要： 本文对于K-means方法做了拓展，使其应用于多类别的聚类。之前的K-means聚类只使用一个中心对所有类别的数据进行建模。但是由于捕捉不到非凸显模式以及某些类别由多个子类组成，不能由单个原型来表示。 提出方法KMM，将具有多个子类的数据点归入指定的k群（group the datapoints with multiple sub-cluste
k-means+python︱scikit-learn中的KMeans聚类实现( + MiniBatchKMeans)
热门推荐
素质云笔记
04-19 18万+
之前一直用R，现在开始学python之后就来尝试用Python来实现Kmeans。 之前用R来实现kmeans的博客：笔记︱多种常见聚类模型以及分群质量评估（聚类注意事项、使用技巧） 聚类分析在客户细分中极为重要。有三类比较常见的聚类模型，K-mean聚类、层次（系统）聚类、最大期望EM算法。在聚类模型建立过程中，一个比较关键的问题是如何评价聚类结果如何，会用一些指标来评价。 ....
K-Means 聚类：客户价值分析
zhangyangfeiyu的专栏
03-16 3万+
1 背景与挖掘目标1.1 背景1、航空公司业务竞争激烈，企业营销焦点从产品中心转为客户中心；2、针对不同类型客户，进行精准营销，实现利润最大化；3、建立合理的客户价值评估模型，进行客户分类，是解决问题的关键。1.2 挖掘目标1、借助航空公司客户数据，对客户进行分类；2、对不同的客户类别进行特征分析，比较不同类客户的客户价值；3、对不同价值的客户类别提供个性化服务，制定相应的营销策略。2 分析方法与...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值