Clusterability assessment for Gaussian mixture models
PBN-AR
Instytucja
Instytut Podstaw Informatyki Polskiej Akademii Nauk
Informacje podstawowe
Główny język publikacji
angielski
Czasopismo
Applied Mathematics and Computation
ISSN
0096-3003
EISSN
Wydawca
Elsevier
Rok publikacji
2015
Numer zeszytu
Strony od-do
591–601
Numer tomu
256
Identyfikator DOI
Liczba arkuszy
Autorzy
(liczba autorów: 3)
Pozostali autorzy
+ 1
Słowa kluczowe
angielski
Clusterability
Gaussian mixture models
Fisher’s discriminant
Principal component analysis
Streszczenia
Język
angielski
Treść
There are numerous measures designed to evaluate quality of a given data grouping in terms of its distinctness and between-cluster separation. However, there seems to be no efficient method to assess distinctness of the intrinsic structure within data (clusterability) before actual clustering is determined. Based on recent findings, we propose such measure in terms of covariance matrix decomposition for appropriately transformed data. The data is assumed to come from a Gaussian mixture model. The transformation reshapes the data so that unsupervised technique of principal component analysis is able to uncover information directly indicative of the data clusterability characteristics. In this work we propose the measure and explain the motivation as well as the relation to supervised structure distinctness coefficients. We also show how the measure can be applied for number of clusters and feature selection tasks.
Inne
System-identifier
PX-56988deb810641ecf9192991
CrossrefMetadata from Crossref logo
Cytowania
Liczba prac cytujących tę pracę
Brak danych
Referencje
Liczba prac cytowanych przez tę pracę
Brak danych