跳到正文
热点事件持续更新

研究者提出RWSD聚类数选择准则

1 篇报道1 个报道来源3 小时前更新

先了解这件事

AI 综述

Chenqin Xu 与 Yisha Yao 提出 Relative Wasserstein Spatial Depth(RWSD),用于在 Wasserstein 空间中为分布型数据选择最优聚类数。该方法通过比较每个分布在所属簇与竞争簇中的深度来确定簇数量,可搭配 Wasserstein K-means 或新提出的 K-medians 算法使用。 该准则针对的是分布型数据的聚类数选择问题,即如何确定应把数据划分为多少个簇。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月8日
  1. arXiv stat.ML
    RWSD:面向分布型数据的聚类数选择新准则

    研究者提出 Relative Wasserstein Spatial Depth(RWSD),用于在 Wasserstein 空间中为分布型数据选择最优聚类数,通过比较每个分布在所属簇与竞争簇中的深度来确定簇数量,可搭配 Wasserstein K-means 或新提出的 K-medians 算法使用。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。