Min-Max-Jump distance and its applications

要約

タイトル：Min-Max-Jump距離とその応用
要約：

– Min-Max-Jump距離（MMJ距離）の3つの応用について探求する。
– MMJ距離を用いたK-meansは、K-meansにMMJ距離を修正するものである。
– MMJ距離を用いたシルエット係数は、シルエット係数にMMJ距離を修正するものである。さらに、MMJ-basedシルエット係数を用いたクラスタリングには、Clustering with Neural Network and Index（CNNI）モデルをテストした。
– 最後の応用では、データのクラスタリング分析の後に新しい点のラベルを予測するためにMMJ距離を使用した。結果は、提案された3つの応用においてMMJ距離が良い性能を発揮することを示している。

要約(オリジナル)

We explore three applications of Min-Max-Jump distance (MMJ distance). MMJ-based K-means revises K-means with MMJ distance. MMJ-based Silhouette coefficient revises Silhouette coefficient with MMJ distance. We also tested the Clustering with Neural Network and Index (CNNI) model with MMJ-based Silhouette coefficient. In the last application, we tested using Min-Max-Jump distance for predicting labels of new points, after a clustering analysis of data. Result shows Min-Max-Jump distance achieves good performances in all the three proposed applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI