Carregant...
Carregant...

Vés al contingut (premeu Retorn)

Unsupervised ensemble minority clustering

Autor
Gonzàlez, E.; Turmo, J.
Tipus d'activitat
Article en revista
Revista
Machine learning
Data de publicació
2015-01
Volum
98
Número
1-2
Pàgina inicial
217
Pàgina final
268
DOI
https://doi.org/10.1007/s10994-013-5394-z Obrir en finestra nova
Projecte finançador
Adquisición de escenarios de conocimiento a través de la lectura de textos: inferencia de relaciones entre eventos (SKATeR)
Repositori
http://hdl.handle.net/2117/79084 Obrir en finestra nova
URL
http://link.springer.com/article/10.1007/s10994-013-5394-z Obrir en finestra nova
Resum
Cluster analysis lies at the core of most unsupervised learning tasks. However, the majority of clustering algorithms depend on the all-in assumption, in which all objects belong to some cluster, and perform poorly on minority clustering tasks, in which a small fraction of signal data stands against a majority of noise. The approaches proposed so far for minority clustering are supervised: they require the number and distribution of the foreground and background clusters. In supervised learning ...
Citació
Gonzàlez, E., Turmo, J. Unsupervised ensemble minority clustering. "Machine learning", Gener 2015, vol. 98, núm. 1-2, p. 217-268.
Paraules clau
Clustering, Ensemble clustering, Minority clustering, Weak learning
Grup de recerca
GPLN - Grup de Processament del Llenguatge Natural
IDEAI-UPC Intelligent Data Science and Artificial Intelligence
TALP - Centre de Tecnologies i Aplicacions del Llenguatge i la Parla

Participants