• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Information Theory, IEEE Transactions on >Consistent Procedures for Cluster Tree Estimation and Pruning
【24h】

Consistent Procedures for Cluster Tree Estimation and Pruning

机译：群集树估计和修剪的一致过程

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

For a density on , a high-density cluster is any connected component of , for some . The set of all high-density clusters forms a hierarchy called the cluster tree of . We present two procedures for estimating the cluster tree given samples from . The first is a robust variant of the single linkage algorithm for hierarchical clustering. The second is based on the -nearest neighbor graph of the samples. We give finite-sample convergence rates for these algorithms, which also imply consistency, and we derive lower bounds on the sample complexity of cluster tree estimation. Finally, we study a tree pruning procedure that guarantees, under milder conditions than usual, to remove clusters that are spurious while recovering those that are salient.
机译：对于某个密度，对于某些密度，高密度簇是任何连接的组件。所有高密度群集的集合形成一个称为的群集树的层次结构。我们提供了两种程序来估计聚类树。第一个是用于层次聚类的单链接算法的鲁棒变体。第二个基于样本的-最近邻图。我们为这些算法提供了有限的样本收敛速度，这也暗示了一致性，并且得出了聚类树估计的样本复杂度的下界。最后，我们研究了一种树木修剪程序，该程序可在比平常更温和的条件下保证除去虚假的群集，同时恢复明显的群集。

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