Агломеративный консенсусный кластер-анализ с автоматическим выбором числа кластеров

Б. Г. Миркин; А. А. Паринов

doi:10.31857/S0005231024030014

Публикации

?

Агломеративный консенсусный кластер-анализ с автоматическим выбором числа кластеров

Автоматика и телемеханика. 2024. № 3. С. 6–22.

Миркин Б. Г., Паринов А. А.

Представлены теоретические и вычислительные результаты, связанные с оригинальной моделью консенсусного кластерного анализа, основанной на так называемом проективном расстоянии между разбиениями. Это расстояние определяется как сумма квадратов элементов разности бинарной матрицы инциденций одного разбиения и ее ортогональной проекции на подпространство, порождаемое столбцами матрицы инциденций другого разбиения. Оказывается, при достаточном количестве разбиений предлагаемый метод агломеративного кластеринга правильно вычисляет не только консенсусное разбиение, но число кластеров в нем.

Научное направление: Компьютерные науки

Язык: русский

Полный текст

DOI

Текст на другом сайте

Ключевые слова: consensus clustering agglomerate clustering consensus matrix shifting data semi-average critecriterion консенсусный кластер-анализ проективное расстояние консенсусная матрица агломеративный кластер-анализ средне-взвешенный критерий

Impact of 5G NR-V2X Message Losses on Connected Vehicle Warning Functions

Физулин А. В., Степанянц В. Г., Американов А. А. и др., FUTURE TRANSPORTATION 2026 Vol. 6 No. 6 Article 264

Добавлено: 12 ноября 2026 г.

Structural model of decision support system for sustainable development of oil and gas companies

Stoianova A. D., Trofimets V. Y., Matrokhina K. V., International Journal of Engineering, Transactions A: Basics 2025 Vol. 38 No. 4 P. 701–709

Добавлено: 10 ноября 2026 г.

EdFitter: a hybrid course recommendation system using large language models

Sergei Koltcov, Рюмин Д. А., Alexandr Axyonov и др., PeerJ Computer Science 2026 Article 12:e4141

Добавлено: 10 ноября 2026 г.

Assessing density equilibration in confined Liquid–Liquid interfaces

Guskov T., Gerke K., Кондратюк Н. Д. и др., Molecular Simulation 2026 Vol. 52 No. 7 P. 546 – 555

Добавлено: 10 ноября 2026 г.

Influence of nuclear quantum effects on metastable states of warm dense hydrogen

Lukyanchuk V., Норман Г. Э., Кондратюк Н. Д. и др., Scientific Reports 2026 Vol. 16 No. 1 Article 16435

Добавлено: 10 ноября 2026 г.

Machine Learning and Knowledge Discovery in Databases. Research Track and Applied Data Science Track. European Conference, ECML PKDD 2026, Naples, Italy, September 7–11, 2026, Proceedings

Springer, 2027.

Добавлено: 9 ноября 2026 г.

Artificial Intelligence for Software Engineering (AI4SE): A Review of Capabilities, Evaluation, and Verification Challenges

Avdoshin S.M., Pesotskaya E.Y., Proceedings of the Institute for System Programming of the RAS 2026 Vol. 38 No. 6, part 2 P. 133–146

Добавлено: 8 ноября 2026 г.

MFL-ScrollNet: Recurrent Sliding-Window Detection for Panoramic Pipeline Magnetic Flux Leakage Images

Aleksei Samarin, Belous F., Торопов А. Г. и др., Technologies 2026 Vol. 14 No. 11 P. 1–21

Добавлено: 8 ноября 2026 г.

Proceedings 2026 IEEE International Conference on Joint Cloud Computing JCC 2026

IEEE Computer Society (Conference Publishing Services, CPS), 2026.

Добавлено: 7 ноября 2026 г.

Detecting the undetectable: benchmarking AI-generated text

Sergey Avdoshin, Elena Pesotskaya, Салех Х. М. и др., Procedia Computer Science 2026 Vol. 292 P. 1332–1341

Добавлено: 7 ноября 2026 г.

PrimeKV: Preserving critical KV cache without attention scores for long-context inference

Чжан Ч., Ильвовский Д. А., Neurocomputing 2027 Vol. 710

Добавлено: 5 ноября 2026 г.

A Multimodal Framework for Aphasia Severity Classification in Russian

Колмогорова А. В., Ekaterina Yavshitz, Margolina A. и др., Association for Computational Linguistics, 2026.

Добавлено: 4 ноября 2026 г.

Findings of the Association for Computational Linguistics: EMNLP 2026

Association for Computational Linguistics, 2026.

Добавлено: 3 ноября 2026 г.

PULSE: Psychological Characteristics Unified Learning via Speech-based Estimation

Абдулкадиров Т. Н., Рюмина Е. В., Рюмин Д. А. и др., Expert Systems with Applications 2026 Vol. 334 P. 1–29

Добавлено: 3 ноября 2026 г.

Interpretable GNN with Stable Concepts as Neurons

Кузнецов С. О., CEUR Workshop Proceedings 2026 Vol. Vol-4247 P. 27–32

Добавлено: 2 ноября 2026 г.

О длине адаптивной различающей последовательности для семейства наблюдаемых автоматов

Бурдонов И. Б., Евтушенко Н. В., Косачев А. С., Труды Института системного программирования РАН 2025 Т. 37 № 6-1 С. 7–20

В статье исследуется длина адаптивной различающей последовательности для семейства инициальных полностью определенных наблюдаемых, возможно, недетерминированных автоматов. Приводится верхняя оценка длины такой последовательности и показывается ее достижимость. Обсуждается, каким образом полученные результаты можно применить при построении адаптивных диагностических тестов на основе конечно-автоматной модели. ...

Добавлено: 31 октября 2026 г.

К организации системы запросов в распределенной сети с кластерами диаметра не больше 2

Бурдонов И. Б., Евтушенко Н. В., Косачев А. С. и др., Труды Института системного программирования РАН 2026 Т. 38 № 4-1 С. 7–24

В статье усовершенствуется предложенная в предыдущей статье авторов модель кластеризованной распределённой сети с опросом, соответствующая сервис-ориентированной архитектуре. Целью опроса является нахождение ближайшего узла, готового оказать требуемую услугу (сервис) как можно раньше. Предлагаемые алгоритмы обеспечивают достижимость узлов, отсутствие дублирования сообщений, и обмен сообщениями с найденным узлом по кратчайшему пути. Кластеризованность сети означает, что в графе сети ...

Добавлено: 31 октября 2026 г.

Идентификация финального состояния в автоматах с таймаутами

Твардовский А. С., Бурдонов И. Б., Евтушенко Н. В., Труды Института системного программирования РАН 2026 Т. 38 № 4-2 С. 7–22

В статье вводятся понятия установочной и синхронизирующей последовательностей для конечных автоматов с временными ограничениями и таймаутами. Такие последовательности широко используются для идентификации финального состояния исследуемого автомата как при синтезе тестов на основе формальных моделей, так и при обучении конечно-автоматных моделей. Метод синтеза установочных и синхронизирующих последовательностей основан на использовании конечно-автоматной абстракции временного автомата, поскольку методы ...

Добавлено: 31 октября 2026 г.

К организации системы запросов в распределенной сети с кластерами-кликами

Бурдонов И. Б., Евтушенко Н. В., Косачев А. С. и др., Труды Института системного программирования РАН 2026 Т. 38 № 3-1 С. 7–32

В статье предложена модель кластеризованной распределённой сети для обработки запросов. В такой сети узлы являются вычислительными единицами, и каждый узел может запросить ту или иную услугу, которая может быть оказана каким-то другим, но заранее неизвестным, узлом сети. Для этого осуществляется опрос сети аналогичный поиску в ширину для того, чтобы найти ближайший узел с необходимыми свойствами. ...

Добавлено: 31 октября 2026 г.

Кластеризация услуг распределенной системы, в которой хосты могут выполнять функцию коммутации сообщений

Бурдонов И. Б., Евтушенко Н. В., Косачев А. С. и др., Труды Института системного программирования РАН 2025 Т. 37 № 5 С. 7–32

Статья является продолжением предыдущей статьи авторов, в которой строится абстрактная модель распределенной сети, содержащей только хосты и коммутаторы. Хосты предлагают пользователям пакеты определенных услуг (сервисов), сообщения (запросы) между хостами пересылаются через промежуточные узлы по правилам коммутации, и настройка узлов определяет множество путей от хоста к хосту, по которым будут пересылаться пакеты. Ситуация моделируется с использованием ...

Добавлено: 30 октября 2026 г.

A Lattice-based Consensus Clustering Algorithm

Бочаров А. А., Гнатышак Д. В., Игнатов Д. И. и др., , in: CLA 2016: Proceedings of the Thirteenth International Conference on Concept Lattices and Their Applications. CEUR Workshop ProceedingsVol. 1624.: M.: Higher School of Economics, National Research University, 2016. P. 45–56.

Добавлено: 24 октября 2016 г.

A Note on the Effectiveness of the Least Squares Consensus Clustering

Миркин Б. Г., Шестаков А. В., , in: Clusters, orders, trees: methods and applications. In Honor of Boris Mirkin's 70th BirthdayVol. 92.: Berlin: Springer, 2014.

Добавлено: 23 января 2015 г.

Summary and semi-average similarity criteria for individual clusters

Миркин Б. Г., , in: Models, Algorithms, and Technologies for Network AnalysisVol. 59.: NY: Springer, 2013. P. 101–126.

Добавлено: 22 ноября 2013 г.

Individual approximate clusters: methods, properties, applications

Миркин Б. Г., , in: Rough Sets, Fuzzy Sets, Data Mining, and Granular ComputingIssue 8170: Lecture Notes in Artificial Intelligence.: Heidelberg: Springer, 2013. P. 26–37.

A least-squares data approximation approach to finding individual clusters is advocated. A simple local optimization algorithm leads to suboptimal clusters satisfying some natural tightness criteria. Three versions of an iterative extraction approach are considered, leading to a portrayal of the cluster structure of the data. Of these, probably most promising is what is referred to ...

Добавлено: 29 октября 2013 г.