谢尔盖·纪尧姆;弗莱德里克·罗斯 一系列无监督采样算法。 （英语） Zbl 1436.62041号 Ros，Frédéric（ed.）等人，《监督或非监督任务的取样技术》。查姆：斯普林格。无监督。半超级。学习。，45-81 (2020). 小结：本章结构如下。非监督采样方法概述见第节。3.2. 第节介绍了家族中算法共享的概念、fft、时间优化以及与核心集的关系。3.3. 然后，DIDES、DENDIS和ProTraS这三种算法分别在第。3.4. 使用合成数据说明了它们的共同特性和差异，并在第节中进行了分析。3.5.最后，主要结论见第节。3.6.关于整个系列，请参见[Zbl 1433.62016年]. MSC公司： 62D05型 抽样理论、抽样调查 关键词：无监督抽样 软件：AS 136标准;ProTraS公司;DENDIS公司;k平均值++;二极管;剪影 PDF格式BibTeX公司 XML格式引用 \textit{S.Guillaume}和\textit{F.Ros}，in：监督或非监督任务的采样技术。查姆：斯普林格。45-81（2020年；Zbl 1436.62041） 全文： 内政部 参考文献： [1] Agarwal，P.K.，Har-Peled，S.，Varadarajan，K.R.：点的近似范围度量。《美国医学会期刊》51（4），606-635（2004）。http://doi.acm.org/10.1145/1008731.1008736 ·Zbl 1204.68240号 ·数字对象标识代码：10.1145/1008731.1008736 [2] Al-Kateb，M.，Lee，B.：非均质数据流上的自适应分层油藏采样。信息系统。39（1），199-216（2014）·doi:10.1016/j.is.2012.03.005 [3] Al-Kateb，M.，Lee，B.S.，Wang，X.S.：数据流上的自适应水库采样。摘自：第19届国际科学和统计数据库管理会议，2007年SSBDM，第22-22页。IEEE，皮斯卡塔韦（2007） [4] Arthur，D.，Vassilvitskii，S.：k的意思是++：谨慎播种的优势。摘自：第十八届ACM-SIAM离散算法年会论文集，第1027-1035页。费城工业和应用数学学会（2007年）·Zbl 1302.68273号 [5] Azzalini，A.，Torelli，N.：通过非参数密度估计进行聚类。统计计算。17(1), 71-80 (2007) ·doi:10.1007/s11222-006-9010-y [6] Bezdek，J.C.：模糊目标函数算法的模式识别。纽约Plenum出版社（1981）·Zbl 0503.68069号 ·doi:10.1007/978-1-4757-0450-1 [7] Celebi，M.E.，Kingravi，H.A.，Vela，P.A.：k-means聚类算法有效初始化方法的比较研究。专家系统。申请。40(1), 200-210 (2013) ·doi:10.1016/j.eswa.2012.07.021 [8] Chaudhuri，S.、Das，G.、Narasayya，V.：近似查询处理的优化分层采样。ACM事务处理。数据库系统。32(2), 9 (2007) ·doi:10.1145/1242524.1242526 [9] Chehreghani，M.，Abolhassani，H.，Chehreghan，M.：改进基于密度的网页层次聚类方法。数据知识。工程67（1），30-50（2008）·doi:10.1016/j.datak.2008.06.006 [10] Chernoff，H.：基于观察值总和的假设检验的渐近效率度量。安。数学。《美国联邦法律大全》第23（4）卷，第493-507页（1952年）·Zbl 0048.11804号 ·doi:10.1214/aoms/1177729330 [11] Chernoff，H.：关于正态分布不等式的注记。安·普罗巴伯。9, 533-535 (1981) ·Zbl 0457.60014号 ·doi:10.1214/aop/1176994428 [12] Chiang，M.C.，Tsai，C.W.，Yang，C.S.：一种用于k-means聚类的高效模式简化算法。信息科学。181(4), 716-731 (2011) ·doi:10.1016/j.ins.2010.10.008 [13] Chiu，S.L.：基于聚类估计的模糊模型识别。J.智力。模糊系统。267-278（1994年） [14] Dolnicar，S.，Leisch，F.：通过袋装集群细分市场。澳大利亚。作记号。J.12（1），51-65（2004）·doi:10.1016/S1441-3582（04）70088-9 [15] Efraimdis，P.S.，Spirakis，P.G.：水库加权随机采样。信息处理。莱特。97（5），181-185（2006）·Zbl 1184.68620号 ·doi:10.1016/j.ipl.2005.11.003 [16] Epanechnikov，V.A.：多元概率密度的非参数估计。理论问题。申请。14(1), 153-158 (1969) ·数字对象标识代码：10.1137/1114019 [17] Ester，M.、Kriegel，H.P.、Sander，J.、Xu，X.：一种基于密度的算法，用于在带有噪声的大型空间数据库中发现簇。载：《第二届知识发现和数据挖掘国际会议论文集》，第226-231页。AAAI出版社，门罗公园（1996） [18] Feldman，D.，Faulkner，M.，Krause，A.：通过核心集对混合模型进行可缩放训练。摘自：《神经信息处理系统进展》，第2142-2150页（2011年） [19] Gutmann，B.，Kersting，K.：分层梯度增强，用于条件随机场的快速训练。摘自：第六届多相关数据挖掘国际研讨会论文集，第56-68页（2007年） [20] Har-Peled，S.，Mazumdar，S.：《关于k-means和k-median聚类的核心集》，摘自《第三十六届ACM计算理论研讨会论文集》，STOC'04，第291-300页。ACM，纽约（2004年）。https://doi.org/10.1145/1007352.1007400 ·Zbl 1192.68904号 ·数字对象标识代码：10.1145/1007352.1007400 [21] Hartigan，J.A.：聚类算法。威利，伦敦（1975）·Zbl 0372.62040号 [22] Hartigan，J.A.，Wong，M.：k均值聚类算法。申请。《统计》第28卷，第100-108页（1979年）·Zbl 0447.62062号 ·doi:10.2307/2346830 [23] Hatamlou，A.、Abdullah，S.、Nezamabadi-pour，H.：基于k-means和引力搜索算法的组合聚类方法。Swarm进化。计算。6, 47-52 (2012) ·doi:10.1016/j.swevo.2012.02.003 [24] Hochbaum，D.S.，Shmoys，D.B.：k中心问题的最佳启发式。数学。操作。第10（2）号决议，180-184（1985）·Zbl 0565.90015号 ·doi:10.1287/门.10.2180 [25] Hodge，V.J.，Austin，J.：异常值检测方法的调查。工件。智力。修订版22（2），85-126（2004）·Zbl 1101.68023号 ·doi:10.1023/B:AIRE.000045502.10941.a9 [26] Hoeffing，W.：有界随机变量和的概率不等式。《美国统计协会期刊》58（301），13-30（1963）·Zbl 0127.10602号 ·doi:10.1080/016214591963.10500830 [27] Ilango，M.R.，Mohan，V.：基于网格的聚类算法综述。国际工程科学杂志。Technol公司。2(8), 3441-3446 (2010) [28] Jain，A.K.：数据聚类：超过K-means 50年。模式识别器。莱特。31(8), 651-666 (2010) ·doi:10.1016/j.patrec.2009.09.011 [29] Jiang，M.F.，Tseng，S.S.，Su，C.M.：异常值检测的两阶段聚类过程。模式识别器。莱特。22(6), 691-700 (2001) ·兹比尔1010.68908 ·doi:10.1016/S0167-8655（00）00131-8 [30] Kärkkäinen，I.，Fränti，P.：聚类问题的动态局部搜索算法。Joensu大学计算机科学系技术代表A-2002-6（2002）·Zbl 1118.68143号 [31] Karypis，G.，Han，E.H.，Kumar，V.：变色龙：使用动态建模的层次聚类。计算机32（8），68-75（1999）·数字对象标识代码：10.1109/2.781637 [32] Kaufman，L.，Rousseeuw，P.：通过medoids进行聚类。In：基于L1-Norm和相关方法的统计数据分析。荷兰北部，阿姆斯特丹（1987）·数字对象标识：https://scholar.google.com/scholar？q=Kaufman%2CL.%2C-Rousseeuw%2C-P.：通过medoids聚类。In：基于L1-Norm和相关方法的统计数据分析。北荷兰语%2C阿姆斯特丹（1987） [33] Kerdprasop，K.，Kerdprasot，N.，Sattayatham，P.：基于储层采样的密度偏差聚类。摘自：第十六届数据库和专家系统应用国际研讨会论文集，第1122-1126页。IEEE，皮斯卡塔韦（2005） [34] Khan，S.S.，Ahmad，A.：用于k模式聚类的聚类中心初始化算法。专家系统。申请。40(18), 7444-7456 (2013) ·doi:10.1016/j.eswa.2013.07.002 [35] Kollios，G.，Gunopulos，D.，Koudas，N.，Berchtold，S.：大数据集中近似聚类和离群值检测的有效有偏采样。IEEE传输。知识。数据工程15（5），1170-1187（2003）·doi:10.1109/TKDE.2003.1232271 [36] Krishnapuram，R.，Keller，J.M.：集群的可能性方法。IEEE Trans。模糊系统。(1), 98-110 (1993) ·doi:10.10109/912227387 [37] Leisch，F.，Dolnicar，S.：奥地利冬季旅游细分：使用袋装聚类技术确定稳定的度假风格。《J.Travel Res.41（3）》，281-292（2003）·doi:10.1177/0047287502239037 [38] Linde，Y.，Buzo，A.，Gray，R.：矢量量化器设计的算法。IEEE传输。Commun公司。28（1）、84-95（1980）中所述。https://doi.org/10.109/TCOM.1980.1094577 ·doi:10.1109/TCOM.1980.1094577 [39] Ling，R.F.：用于数据简化和对象分类的聚类分析算法。技术计量学23（4），417-418（1981） [40] Lloyd，S.P.：PCM中的最小二乘量化。IEEE传输。《信息论》28（2），129-137（1982）·兹比尔0504.94015 ·doi:10.1109/TIT.1982.1056489 [41] Lv，Y.、Ma，T.、Tang，M.、Cao，J.、Tian，Y.，Al-Dhelaan，A.、Al-Rodhaan，M.：一种有效且可扩展的基于密度的复杂结构数据集聚类算法。神经计算171，9-22（2015）·doi:10.1016/j.neucom.2015.05.109 [42] Ma，X.，Pan，Z.，Li，Y.，Fang，J.：使用分组策略的矢量量化的高质量初始码本设计方法。IET图像处理。9, 986-992 (2015) ·doi:10.1049/iet-ipr.2015.0048 [43] Machová，K.，Puszta，M.，BaráK，F.，Bednár，P.：使用决策树分类器的装袋和提升方法的比较。计算。科学。信息系统。3(2), 57-72 (2006) ·doi:10.2298/CSIS0602057M [44] Macqueen，J.：多元观测分类和分析的一些方法。摘自：第五届伯克利数理统计与概率研讨会，第281-297页（1967）·Zbl 0214.46201号 [45] Menardi，G.，Azzalini，A.：通过非参数密度估计进行聚类的进展。统计计算。24(5), 753-767 (2014) ·Zbl 1322.62175号 ·数字对象标识代码：10.1007/s11222-013-9400-x [46] Mitra，P.，Murthy，C.，Pal，S.：基于密度的多尺度数据压缩。IEEE传输。模式分析。机器。智力。24(6), 734-747 (2002) ·doi:10.1109/TPAMI.2002.1008381 [47] Naldi，M.，Campello，R.：分布式进化k-means聚类算法的比较。神经计算163，78-93（2015）·doi:10.1016/j.neucom.2014.07.083 [48] Nanopoulos，A.，Manolopoulos，Y.，Theodoridis，Y.：密度偏差采样的高效算法。载：《第十一届信息和知识管理国际会议记录》，第398-404页（2002年） [49] Nanopoulos，A.，Theodoridis，Y.，Manolopoulos，Y.：聚类应用的基于索引的密度偏差采样。数据知识。工程57（1），37-63（2006）·doi:10.1016/j.datak.2005.03.003 [50] Palmer，C.R.，Faloutsos，C.：密度偏差抽样：数据挖掘和聚类的改进方法。摘自：ACM SIGMOD国际数据管理会议，达拉斯，第82-92页（2000） [51] Rahman，M.A.，Islam，M.Z:一种将新型遗传算法与k-均值相结合的混合聚类技术。知识-基于系统。71, 345-365 (2014) ·doi:10.1016/j.knosys.2014.08.011 [52] Ros，F.，Guillaume，S.：Dendis:一种新的基于密度的聚类算法采样。专家系统。申请。56, 349-359 (2016). https://doi.org/10.1016/j.eswa.2016.03.008 ·doi:10.1016/j.eswa.2016.03.008 [53] Ros，F.，Guillaume，S.：Dides：一种快速有效的聚类采样算法。知识。信息系统。50, 543-568 (2016). https://doi.org/10.1007/s10115-016-0946-8 ·doi:10.1007/s10115-016-0946-8 [54] Ros，F.，Guillaume，S.：Protras：概率遍历采样算法。专家系统。申请。105, 65-76 (2018). https://doi.org/10.1016/j.eswa.2018.03.052 ·doi:10.1016/j.eswa.2018.03.052 [55] Ros，F.、Pintore，M.、Deman，A.、Chrétien，J.：RBF神经网络的自动初始化。化学。智力。实验室系统。87(1), 26-32 (2007) ·doi:10.1016/j.chemolab.2006.01.008 [56] Rosenkrantz，D.J.，Stearns，R.E.，Lewis，P.M.II：对旅行推销员问题的几种启发式算法的分析。SIAM J.计算。6(3), 563-581 (1977) ·Zbl 0364.90104号 ·doi:10.1137/0206041 [57] Rousseeuw，P.J.：轮廓：用于解释和验证聚类分析的图形辅助工具。J.计算。申请。数学。20, 53-65 (1987) ·Zbl 0636.62059号 ·doi:10.1016/0377-0427（87）90125-7 [58] Sarma，T.、Viswanath，P.、Reddy，B.：加速内核k-means聚类方法：基于原型的混合方法。模式识别器。莱特。34(5), 564-573 (2013) ·doi:10.1016/j.patrec.2012.11.009 [59] Sarma，T.H.，Viswanath，P.，Reddy，B.E.：加速内核k-means聚类方法：基于原型的混合方法。模式识别器。莱特。34(5), 564-573 (2013) ·doi:10.1016/j.patrec.2012.11.009 [60] Tan，S.C.，Ting，K.M.，Teng，S.W.：自动聚类发现的通用随机聚类方法。模式识别器。44（10），2786-2799（2011） [61] Tax，D.，Duin，R.：支持向量数据描述。机器。学习。54(1), 45-66 (2004) ·Zbl 1078.68728号 ·doi:10.1023/B:MACH.0000008084.60811.49 [62] Viswanath，P.，Sarma，T.，Reddy，B.：一种加速k均值聚类方法的混合方法。国际J·马赫。学习。赛博。4(2), 107-117 (2013) ·doi:10.1007/s13042-012-0079-7 [63] Vitter，J.S.：水库随机取样。ACM事务处理。数学。柔和。11(1), 37-57 (1985) ·Zbl 0562.68028号 ·数字对象标识代码：10.1145/3147.3165 [64] Wang，X.，Wang，X.，Wilkes，D.M.：基于最小生成树的聚类的分而治之方法。IEEE Trans。知识。数据工程21（7），945-958（2009）·doi:10.1109/TKDE.2009.37 [65] Xiao，Y.，Liu，B.，Hao，Z.，Cao，L.：一种基于k-farthest邻域的支持向量数据描述方法。申请。智力。41(1), 196-211 (2014) ·doi:10.1007/s10489-013-0502-0 [66] Yager，R.R.，Filev，D.P.：通过山聚类生成模糊规则。《情报学杂志》。模糊系统。2, 209-219 (1994) [67] Yang，M.S.，Wu，K.L.：一种改进的山地聚类算法。模式分析。申请。8(1-2), 125-138 (2005) ·doi:10.1007/s10044-005-0250-9 [68] Zahra，S.、Ghazanfar，M.A.、Khalid，A.、Azam，M.A.，Naeem，U.、Prugel-Bennett，A.：kmeans基于聚类的推荐系统的新型质心选择方法。信息科学。320, 156-189 (2015) ·doi:10.1016/j.ins.2015.03.062 [69] 钟，C·Zbl 1360.68730号 ·doi:10.1016/j.ins.2014.10.12 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，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。