• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Modeling Decisions for Artificial Intelligence(MDAI 2007); 20070816-18; Kitakyushu(JP) >c-Means Clustering on the Multinomial Manifold
【24h】

c-Means Clustering on the Multinomial Manifold

机译：多项式流形上的c均值聚类

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we discuss c-means clustering algorithms on the multinomial manifold. Data forms a Riemannian manifold with the Fisher information metric via the probabilistic mapping from datum to a probability distribution. For discrete data, the statistical manifold of the multinomial distribution is appropriate. In general, The euclidean distance is not appropriate on the manifold because the parameter space of the distribution is not flat. We apply the Kullback-Leibler (KL) divergence or the Hellinger distance as approximations of the geodesic distance to hard c-means and fuzzy c-means.
机译：在本文中，我们讨论了多项式流形上的c均值聚类算法。数据通过从基准到概率分布的概率映射与Fisher信息度量形成黎曼流形。对于离散数据，多项式分布的统计流形是合适的。通常，欧氏距离不适用于流形，因为分布的参数空间不是平坦的。我们将Kullback-Leibler（KL）散度或Hellinger距离作为测地距离的近似值应用于硬c均值和模糊c均值。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号