统计学 > 机器学习
[提交于 2021年8月18日
(v1)
,最后修订 2021年10月20日 (此版本, v2)]
标题: 图上的聚类动力学:从谱聚类到通过福克-普朗克插值的均值漂移
标题: Clustering dynamics on graphs: from spectral clustering to mean shift through Fokker-Planck interpolation
摘要: 在这项工作中,我们构建了一个统一的框架,以在基于密度和基于几何形状的数据聚类算法之间进行插值,并具体地将均值漂移算法与谱聚类在离散和连续水平上连接起来。 我们通过在数据图上引入福克-普朗克方程来寻求这种联系。 除了在图上引入新的均值漂移算法形式外,我们还提供了关于扩散映射族在大样本极限下的行为的新理论见解,并且在固定图上的扩散映射和均值漂移动力学之间提供了新的联系。 多个数值例子说明了我们的理论发现,并突出了在基于密度和基于几何形状的聚类算法之间进行插值的好处。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.