Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > stat > arXiv:2108.08687v1

帮助 | 高级搜索

统计学 > 机器学习

arXiv:2108.08687v1 (stat)
[提交于 2021年8月18日 (此版本) , 最新版本 2021年10月20日 (v2) ]

标题: 图上的聚类动力学:通过福克-普朗克插值从谱聚类到均值漂移

标题: Clustering dynamics on graphs: from spectral clustering to mean shift through Fokker-Planck interpolation

Authors:Katy Craig, Nicolás García Trillos, Dejan Slepčev
摘要: 在本工作中,我们构建了一个统一的框架,在数据聚类中将密度驱动和基于几何的算法进行插值,并具体地在离散和连续层面上将均值漂移算法与谱聚类连接起来。 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行为的新理论见解,以及扩散映射与固定图上均值漂移动力学之间的新联系。 几个数值例子说明了我们的理论结果,并突出了在密度驱动和基于几何的聚类算法之间进行插值的优势。
摘要: In this work we build a unifying framework to interpolate between density-driven and geometry-based algorithms for data clustering, and specifically, to connect the mean shift algorithm with spectral clustering at discrete and continuum levels. We seek this connection through the introduction of Fokker-Planck equations on data graphs. Besides introducing new forms of mean shift algorithms on graphs, we provide new theoretical insights on the behavior of the family of diffusion maps in the large sample limit as well as provide new connections between diffusion maps and mean shift dynamics on a fixed graph. Several numerical examples illustrate our theoretical findings and highlight the benefits of interpolating density-driven and geometry-based clustering algorithms.
主题: 机器学习 (stat.ML) ; 机器学习 (cs.LG); 偏微分方程分析 (math.AP)
MSC 类: 62G20, 62H30, 60J27, 60J25, 35Q84, 58J35, 58J90, 28A33
引用方式: arXiv:2108.08687 [stat.ML]
  (或者 arXiv:2108.08687v1 [stat.ML] 对于此版本)
  https://doi.org/10.48550/arXiv.2108.08687
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Nicolas Garcia Trillos [查看电子邮件]
[v1] 星期三, 2021 年 8 月 18 日 02:00:33 UTC (26,164 KB)
[v2] 星期三, 2021 年 10 月 20 日 22:12:51 UTC (13,913 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
查看许可
当前浏览上下文:
stat.ML
< 上一篇   |   下一篇 >
新的 | 最近的 | 2021-08
切换浏览方式为:
cs
cs.LG
math
math.AP
stat

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号