BriefGPT - AI 论文速递
·
一种无参数的缺失数据聚类算法
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
这篇文章介绍了一种新的单维度聚类算法SDC，可在缺失数据集上获得有效的聚类结果，无需输入参数。实验证明，SDC的性能比基准算法提高了13.7％（NMI），23.8％（ARI）和8.1％（Purity）。
🎯
关键要点
- 文章介绍了一种新的单维度聚类算法SDC。
- SDC能够在缺失数据集上获得有效的聚类结果，无需输入参数。
- 现有聚类算法需对缺失值进行插补，且需要输入参数，增加了聚类结果的难度。
- 一些研究表明决策图可以替代聚类算法的输入参数，但当前决策图不适用于缺失数据集。
- SDC通过分割维度和分区交集融合，去除插补过程，适应决策图到缺失数据集。
- 实验证明，SDC的性能比基准算法提高了13.7%（NMI），23.8%（ARI）和8.1%（Purity）。
➡️
