Approximation techniques for clustering dissimilarity data
Approximation techniques for clustering dissimilarity data
复制标题
聚类相异数据的近似技术
DOI：
10.1016/j.neucom.2012.01.033
复制
发表时间：
2012
期刊：
影响因子：
6
通讯作者：
B. Hammer
中科院分区：
文献类型：
--
作者：
X. Zhu;A. Gisbrecht;F.-M. Schleif;B. Hammer
近年来，各种高质量的基于原型的聚类技术被开发出来，这些技术可以直接处理由一般两两不相似度给出的数据集，而不是标准的欧几里德向量。例子包括亲和传播、关系神经气体或关系生成地形图。与不相似矩阵的大小相对应，这些技术与训练集的大小进行二次扩展，因此对于大数据量的训练变得令人望而却步。在这篇文章中，我们研究了两种不同的线性时间近似技术，斑块处理和Nyström近似。我们将这些近似应用于几种具有代表性的聚类技术的差异，并在可能的情况下比较不同数据集的结果。
Recently, diverse high quality prototype-based clustering techniques have been developed which can directly deal with data sets given by general pairwise dissimilarities rather than standard Euclidean vectors. Examples include affinity propagation, relational neural gas, or relational generative topographic mapping. Corresponding to the size of the dissimilarity matrix, these techniques scale quadratically with the size of the training set, such that training becomes prohibitive for large data volumes. In this contribution, we investigate two different linear time approximation techniques, patch processing and the Nyström approximation. We apply these approximations to several representative clustering techniques for dissimilarities, where possible, and compare the results for diverse data sets.
登录
查看更多内容
6985条数字化胰蛋白酶G带人类中期染色体的定量分析
影响因子：
3.5
作者：
Claes Lundsieen;J. Philip;E. Granum
通讯作者：
E. Granum
论核自组织映射与自组织混合密度网络的等价性
影响因子：
7.8
作者：
Hujun Yin
通讯作者：
Hujun Yin
基于散度的矢量量化
影响因子：
2.9
作者：
T. Villmann;S. Haase
通讯作者：
S. Haase
DOI：
--
发表时间：
2011
期刊：
The European Symposium on Artificial Neural Networks
影响因子：
--
作者：
A. Gisbrecht;B. Mokbel;B. Hammer
通讯作者：
B. Hammer
影响因子：
7.8
作者：
Cottrell, Marie;Hammer, Barbara;Villmann, Thomas
通讯作者：
Villmann, Thomas