会员服务
INFORMS · 簇 · 互信息 · 离散数学 ·
2021 年 10 月 4 日
Clustering with Respect to the Information Distance
翻译：与信息距离有关的集群
Andrei Romashchenko
Andrei Romashchenko
from arxiv, 20 pages; 2 figures

We discuss the notion of a dense cluster with respect to the information distance and prove that all such clusters have an extractable core that represents the mutual information shared by the objects in the cluster.


翻译：我们讨论了关于信息距离的密集集群概念,并证明所有这些集群都有一个可提取的核心,它代表了该集群各目标共享的相互信息。
0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文，扩大了运筹学和计算的范围，寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文，以及描述新的和有用的软件工具的论文。官网链接：https://pubsonline.informs.org/journal/ijoc
哥伦比亚大学最新《机器学习》课程，Fall-B 2020 (Machine Learning)
专知会员服务
38+阅读 · 2020年11月3日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【硬核书】信息论，528页pdf，Information Theory and Coding by Example
【硬核书】信息论，528页pdf，Information Theory and Coding by Example
专知会员服务
146+阅读 · 2020年4月20日
【Google-CMU】元伪标签的元学习，Meta Pseudo Labels
【Google-CMU】元伪标签的元学习，Meta Pseudo Labels
专知会员服务
31+阅读 · 2020年3月30日
【WWW2020-北邮】结构深度聚类网络，Structural Deep Clustering Network
【WWW2020-北邮】结构深度聚类网络，Structural Deep Clustering Network
专知会员服务
92+阅读 · 2020年2月14日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
9+阅读 · 2019年10月24日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
深度自进化聚类：Deep Self-Evolution Clustering
深度自进化聚类：Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
已删除
已删除
将门创投
4+阅读 · 2019年4月1日
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进！cGANs with Projection Discriminator
条件GAN重大改进！cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
The Role of Mutual Information in Variational Classifiers
Arxiv
0+阅读 · 2021年11月25日
Distributed Information-Theoretic Clustering
Arxiv
0+阅读 · 2021年11月25日
Contrastive Learning with Hard Negative Samples
Arxiv
7+阅读 · 2020年10月9日
Graph InfoClust: Leveraging cluster-level node information for unsupervised graph representation learning
Arxiv
5+阅读 · 2020年9月15日
Deep Robust Clustering by Contrastive Learning
Arxiv
7+阅读 · 2020年8月7日
Adaptive Graph Convolutional Network with Attention Graph Clustering for Co-saliency Detection
Adaptive Graph Convolutional Network with Attention Graph Clustering for Co-saliency Detection
Arxiv
10+阅读 · 2020年3月13日
Structural Deep Clustering Network
Arxiv
3+阅读 · 2020年2月5日
MDE: Multi Distance Embeddings for Link Prediction in Knowledge Graphs
Arxiv
4+阅读 · 2019年5月29日
Multimodal Deep Network Embedding with Integrated Structure and Attribute Information
Multimodal Deep Network Embedding with Integrated Structure and Attribute Information
Arxiv
4+阅读 · 2019年3月28日
ClusterGAN : Latent Space Clustering in Generative Adversarial Networks
ClusterGAN : Latent Space Clustering in Generative Adversarial Networks
Arxiv
10+阅读 · 2018年9月10日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
INFORMS
簇
互信息
离散数学
相关VIP内容
哥伦比亚大学最新《机器学习》课程，Fall-B 2020 (Machine Learning)
专知会员服务
38+阅读 · 2020年11月3日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【硬核书】信息论，528页pdf，Information Theory and Coding by Example
【硬核书】信息论，528页pdf，Information Theory and Coding by Example
专知会员服务
146+阅读 · 2020年4月20日
【Google-CMU】元伪标签的元学习，Meta Pseudo Labels
【Google-CMU】元伪标签的元学习，Meta Pseudo Labels
专知会员服务
31+阅读 · 2020年3月30日
【WWW2020-北邮】结构深度聚类网络，Structural Deep Clustering Network
【WWW2020-北邮】结构深度聚类网络，Structural Deep Clustering Network
专知会员服务
92+阅读 · 2020年2月14日
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
Risk Sensitive Portfolio Optimization with Regime-Switching and Default Contagion，香港理工大学应用数学系余翔助理教授，第八届全国社会媒体处理大会SMP2019
专知会员服务
9+阅读 · 2019年10月24日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
机器学习入门的经验与建议
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
热门VIP内容
相关资讯
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
深度自进化聚类：Deep Self-Evolution Clustering
深度自进化聚类：Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
已删除
已删除
将门创投
4+阅读 · 2019年4月1日
Call for Participation: Shared Tasks in NLPCC 2019
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Disentangled的假设的探讨
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
条件GAN重大改进！cGANs with Projection Discriminator
条件GAN重大改进！cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
The Role of Mutual Information in Variational Classifiers
Arxiv
0+阅读 · 2021年11月25日
Distributed Information-Theoretic Clustering
Arxiv
0+阅读 · 2021年11月25日
Contrastive Learning with Hard Negative Samples
Arxiv
7+阅读 · 2020年10月9日
Graph InfoClust: Leveraging cluster-level node information for unsupervised graph representation learning
Arxiv
5+阅读 · 2020年9月15日
Deep Robust Clustering by Contrastive Learning
Arxiv
7+阅读 · 2020年8月7日
Adaptive Graph Convolutional Network with Attention Graph Clustering for Co-saliency Detection
Adaptive Graph Convolutional Network with Attention Graph Clustering for Co-saliency Detection
Arxiv
10+阅读 · 2020年3月13日
Structural Deep Clustering Network
Arxiv
3+阅读 · 2020年2月5日
MDE: Multi Distance Embeddings for Link Prediction in Knowledge Graphs
Arxiv
4+阅读 · 2019年5月29日
Multimodal Deep Network Embedding with Integrated Structure and Attribute Information
Multimodal Deep Network Embedding with Integrated Structure and Attribute Information
Arxiv
4+阅读 · 2019年3月28日
ClusterGAN : Latent Space Clustering in Generative Adversarial Networks
ClusterGAN : Latent Space Clustering in Generative Adversarial Networks
Arxiv
10+阅读 · 2018年9月10日
Top
微信扫码咨询专知VIP会员
Top