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:
1. Min-Max-Jump距離を用いた３つの応用について探索した。
2. MMJベースのK-meansは、MMJ距離を用いてK-meansを修正するものである。
3. MMJベースのシルエット係数は、MMJ距離を用いてシルエット係数を修正するものである。
4. 我々は、MMJベースのシルエット係数を用いたクラスタリングを、クラスタリングモデルであるCNNIに適用した。
5. 最後の応用では、データのクラスタリング分析後に、新しいポイントのラベルを予測するためにMin-Max-Jump距離を使用した。結果は、Min-Max-Jump距離が提案された３つの応用において良好な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