UniForCE: 单模态森林方法用于聚类与聚类数目估计
原文中文，约300字，阅读约需1分钟。发表于：。本文提出了一种名为 “UniForCE 方法” 的灵活聚类定义方式，该方法基于局部单调性图连接形成局部单峰对的子聚类，通过计算单调性图中的生成树来识别最大的局部单峰聚类。实验结果表明，该方法在发现规则和高度复杂的聚类形状方面特别灵活且可靠，并自动提供了对聚类数量的适当估计。
本文介绍了一种基于弱监督学习的聚类框架，使用唯一类计数（$ ucc $）技术。通过构建基于神经网络的 $ ucc $ 分类器，实验证明弱监督的 $ ucc $ 分类器的聚类性能与完全监督学习模型相当。此外，该框架在乳腺癌转移的语义分割任务中也表现出与完全监督的 Unet 模型相当的性能。
