A Robust Convex Formulation for Ensemble Clustering

Junning Gao, Makoto Yamada, Samuel Kaski, Hiroshi Mamitsuka, Shanfeng Zhu

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

2 Sitaatiot (Scopus)
77 Lataukset (Pure)

Abstrakti

We formulate ensemble clustering as a regularization problem over nuclear norm and cluster-wise group norm, and present an efficient optimization
algorithm, which we call Robust Convex Ensemble Clustering (RCEC). A key feature of RCEC allows to remove anomalous cluster assignments obtained
from component clustering methods by using the group-norm regularization. Moreover, the proposed method is convex and can find the globally optimal solution. We first showed that using synthetic data experiments, RCEC could learn stable cluster assignments from the input matrix including anomalous clusters. We then showed that RCEC outperformed state-of-the-art ensemble clustering methods by using real-world data sets.
AlkuperäiskieliEnglanti
OtsikkoProceedings of the Twenty-Fifth International Joint Conference on Artificial Intelligence (IJCAI-16)
ToimittajatSubbarao Kambhampati
Julkaisupaikka2275 East Bayshore Road, Suite 160, Palo Alto CA 94303 USA
KustantajaAAAI PRESS
Sivut1476-1482
Sivumäärä6
ISBN (painettu)978-1-57735-770-4
TilaJulkaistu - heinäkuuta 2016
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaInternational Joint Conference on Artificial Intelligence - New York Hilton Midtown, New York, Yhdysvallat
Kesto: 9 heinäkuuta 201615 heinäkuuta 2016
Konferenssinumero: 25
http://ijcai-16.org/index.php/welcome/view/home

Conference

ConferenceInternational Joint Conference on Artificial Intelligence
LyhennettäIJCAI
MaaYhdysvallat
KaupunkiNew York
Ajanjakso09/07/201615/07/2016
www-osoite

Sormenjälki Sukella tutkimusaiheisiin 'A Robust Convex Formulation for Ensemble Clustering'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä