Generalized partitioned local depth

要約

この論文では、Berenhaut、Moore、Melvin によって最近導入された凝集の概念の一般化を提供します [米国科学アカデミー紀要、119 (4) (2022)]。
提示された定式化は、ローカル関連性とサポート分割という 2 つの重要な確率概念を抽出することにより、ローカル深度を分割する手法に基づいています。
以前の結果は新しいコンテキスト内で拡張され、不確実性のあるデータ内のコミュニティを明らかにするための応用例が含まれています。
この研究は、分割されたローカル深度の基礎に光を当て、元のアイデアを拡張して、不確実で変動し、潜在的に矛盾する情報を確率論的に考慮できるようにします。

要約(オリジナル)

In this paper we provide a generalization of the concept of cohesion as introduced recently by Berenhaut, Moore and Melvin [Proceedings of the National Academy of Sciences, 119 (4) (2022)]. The formulation presented builds on the technique of partitioned local depth by distilling two key probabilistic concepts: local relevance and support division. Earlier results are extended within the new context, and examples of applications to revealing communities in data with uncertainty are included. The work sheds light on the foundations of partitioned local depth, and extends the original ideas to enable probabilistic consideration of uncertain, variable and potentially conflicting information.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google