AAAI 2024 | 基于结构熵的更精准聚类算法SEC

主要观点总结

该文章介绍了一种名为SEC的新型聚类算法，该算法通过结构熵更准确地进行聚类。文章详细描述了SEC算法的创新点，包括稀疏图嵌入、迭代编码树方法和迭代预删除和重新分配技术。通过与现有聚类方法的比较实验，证明了SEC算法在聚类质量上的优越性。

关键观点总结

关键观点1: SEC算法的主要创新点

包括稀疏图嵌入、迭代编码树方法和迭代预删除和重新分配技术，能够更好地表示数据点之间的关系，提升从数据集中提取全局结构信息的能力。

关键观点2: SEC算法的性能优势

通过在合成数据集和真实世界数据集上的实证实验，结果表明SEC算法在聚类质量上优于其他现有先进聚类方法，在真实世界数据集上平均ACC提升12.3%，NMI提升5.2%。

关键观点3: 图嵌入和编码树构建

作者提出了一种新的图嵌入方法和编码树构建技术，利用这些技术可以有效地捕捉全局结构信息，提高聚类的准确性。

关键观点4: 迭代预删除和重新分配技术

为了避免位于聚类分区边界上容易被误聚类的数据点的影响，作者提出了一种迭代预删除和重新分配技术，使算法能够更精确地聚类。