×
张亚丽;尚、彭健

KM-MIC：基于K-medoids聚类的改进最大信息系数。 （英语） Zbl 1493.62408号

Commun公司。非线性科学。数字。模拟。 111，文章ID 106418，12 p.（2022）.
摘要：为了衡量事物是否相关以及如何相关，统计相关分析应运而生。其中，皮尔逊系数、斯皮尔曼系数和肯德尔系数被广泛使用，但这些相关分析方法由于自身的局限性，无法检测出广泛的关系类型。因此，在2011年，Reshef等人引入了一种新的相关性分析方法——最大信息系数（MIC），但这种方法计算效率低，并且没有给出最佳的数据划分方法。在此基础上，我们提出了基于K-Medoids聚类的最大信息系数（KM-MIC），它结合K-Medoid聚类算法来优化数据划分的方式，并可以快速计算数据之间是否存在相关性。该方法具有通用性和公平性两大特点。

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）
62B10型 信息理论主题的统计方面
94甲15 信息论（总论）

关键词：

K-medoids聚类;最大信息系数;最大信息量;相关性

软件：

作为136
PDF格式BibTeX公司 XML格式引用
\textit{Y.Zhang}和\textit{P.Shang}，Commun。非线性科学。数字。模拟。111，文章ID 106418，12 p.（2022；Zbl 1493.62408）
全文： 内政部

参考文献：

[1] Galton，F.，《遗传地位向平庸回归》，《人类学研究所G B Irel杂志》，第15期，第246-263页（1886年）
[2] Pearson，K.，《对进化数学理论的贡献》，Philos Trans R Soc Lond Ser A，185，71-110（1894）·JFM 25.0347.02号
[3] 斯皮尔曼，C.，《两个事物之间关联的证明和测量》，《美国心理学杂志》，100441-471（1987）
[4] Kendall，M.G.，等级相关性的一种新测量方法，《生物统计学》，3081-93（1938）·Zbl 0019.13001号
[5] Shannon，C.E.，《通信数学理论》，Bell Syst Tech J，27379-423（1948）·Zbl 1154.94303号
[6] Cover，T.M.，《信息理论的要素》（1999），John Wiley&Sons
[7] Kraskov，A。；Stögbauer，H。；Grassberger，P.，《估算相互信息》，Phys Rev E，69，第066138页（2004）
[8] Ciganović，N。；新泽西州博德里。；Renner，R.，Smooth max-information as one-shot generalization for mutual information，IEEE传输信息理论，60，1573-1581（2013）·Zbl 1360.94126号
[9] Darbellay，G.A。；Vajda，I.，通过观测空间的自适应分区估计信息，IEEE Trans Inform Theory，451315-1321（1999）·Zbl 0957.94006号
[10] 谢凯利，G.J。；Rizzo，M.L。；Bakirov，N.K.，《通过距离相关性测量和测试相关性》，Ann Statist，352769-2794（2007）·Zbl 1129.62059号
[11] 雷舍夫，D.N。；Reshef，Y.A。；香港Finucane。；Grossman，S.R。；McVean，G。；Turnbaugh，P.J.，《在大数据集中检测新关联》，《科学》，3341518-1524（2011）·Zbl 1359.62216号
[12] 邵，F。；李凯。；Xu，X.，基于最大信息系数改进算法的铁路事故分析，Intell Data Anal，20597-613（2016）
[13] MacQueen J等人。多元观测分类和分析的一些方法。收录：第五届伯克利数理统计与概率研讨会论文集，第1卷，（14）：美国加利福尼亚州奥克兰；1967年，第281-97页·Zbl 0214.46201号
[14] Jain，A.K.，《数据聚类：超越K-means 50年》，《模式识别快报》，第31期，第651-666页（2010年）
[15] Figueiredo，M.A.T。；Jain，A.K.，有限混合模型的无监督学习，IEEE Trans-Pattern Ana Mach Intell，24381-396（2002）
[16] 拉斯穆森，C.E.，无限高斯混合模型。，（NIPS，第12卷（1999），Citeser），554-560
[17] Tibshirani，R。；Walther，G。；Hastie，T.，通过间隙统计估计数据集中的簇数，J R Stat Soc Ser B Stat Methodol，63，411-423（2001）·Zbl 0979.62046号
[18] 利卡斯，A。；弗拉西斯，N。；Verbeek，J.J.，《全局k-means聚类算法》，模式识别，36，451-461（2003）
[19] Steinley，D.，《K-means聚类：半个世纪的综合》，英国数学统计心理学杂志，59，1-34（2006）
[20] Hartigan，J.A。；Wong，M.A.，Algorithm AS 136:A k-means聚类算法，J R Stat Soc Ser C Appl Stat，28，100-108（1979）·兹比尔0447.62062
[21] 钠，S。；徐敏，L。；Yong，G.，《k均值聚类算法的研究：一种改进的k均值聚类方法》，（2010年第三届智能信息技术与安全信息学国际研讨会（2010），IEEE），63-67
[22] Wagstaff，K。；Cardie，C。；罗杰斯，S。；Schrödl，S.，带背景知识的约束k-means聚类，（ICML，第1卷（2001）），577-584
[23] 佩利格，D。；Moore，A.W.，《X-means:扩展k-means并有效估计簇数》，（ICML，第1卷（2000）），727-734
[24] Rezaee，M.R。；Lelieveldt，B.P.F。；Reiber，J.H.C.，模糊C-均值的新聚类有效性指数，模式识别Lett，19，237-246（1998）·Zbl 0905.68127号
[25] 阿罗拉，P。；Varshney，S.，《大数据的k-means和k-medoids算法分析》，Procedia Compute Sci，78，507-512（2016）
[26] 沙阿·S。；Singh，M.，《改进K-mean算法与K-mean和K-medoid算法的时间效率比较》，（2012年通信系统和网络技术国际会议（2012年），IEEE），435-437
[27] Han，L。；向，L。；刘，X。；Luan，J.，基于P系统优化初始中心的K-medoids算法，J Inf Compute Sci，11，1765-1773（2014）
[28] Peker，M.，使用基于k-medoids聚类的属性权重和SVM组合改进医疗诊断的决策支持系统，医学系统杂志，40，116（2016）
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。