Компьютерные науки > Машинное обучение [представлено 27 октября 2026 года] Название: Normalized Suts and Data Classing через Matric Fractional Programing View PDF HTML (экспериментальное) резюме: Нормализованная проблема отруба (NCut) является фундаментальной в области группирования данных. Несмотря на свою неполную структуру, проблема НКЦ редко рассматривается с точки зрения частичного программирования (РП) в существующей литературе. Основная причина заключается в том, что обычный метод ПФ является неадекватным для этого проблемного случая: классическая трансформация Динкельбаха может справиться только с одним коэффициентом и поэтому ограничивается двумя классами группирования, тогда как многоклассная кластеризация включает несколько терминов. Эта работа предлагает новую так называемую многомерную квадратическую трансформацию, способную решить дело с несколькими отношениями; она преобразует проблему NCut в двустороннюю сравнительную задачу - которая может быть немедленно решена путем линейного поиска. Кроме того, мы изучаем связь между предлагаемым методом ПФ и теорией мини-максимизации (ММ) и в свою очередь характеризуем поведение конвергенции нашего алгоритма. Наконец, мы проводим эксперименты с целью цифровой демонстрации преимуществ предлагаемого алгоритма на основе FP в различных задачах группирования данных и сегментации изображений. Дополнительные параметры контекст текущего просмотра: cs.LG ссылки и цитаты загрузка... Библиографические и цитационно-инструментальные…
Нормализованные отрубы и кластеризация данных через матричное позиционирование
arXiv: 261 030,3616v1 Аннонс Тип: новое резюме: проблема нормализованного отруба (NCut) является основополагающей в области кластеризации данных. Несмотря на свою неполную структуру, проблема НКЦ редко рассматривается с точки зрения частичного программирования (РП) в существующей литературе. Основная причина заключается в том, что обычный метод ПФ является неадекватным для этого проблемного случая: классическая трансформация Динкельбаха может справиться только с одним коэффициентом и поэтому ограничивается двумя классами группирования, тогда как многоклассная кластеризация включает несколько терминов. Эта работа предлагает новую так называемую многомерную квадратическую трансформацию, способную решить дело с несколькими отношениями; она преобразует проблему NCut в двустороннюю сравнительную задачу - которая может быть немедленно решена путем линейного поиска. Кроме того, мы изучаем связь между предлагаемым методом ПФ и теорией мини-максимизации (ММ) и в свою очередь характеризуем поведение конвергенции нашего алгоритма. И наконец, мы проводим