Статистический кластерный анализ (регулярный семинар)
Материал из MachineLearning.
(→Литература) |
(→Литература) |
||
| Строка 49: | Строка 49: | ||
3. Графы ближайших соседей и их кластеризация | 3. Графы ближайших соседей и их кластеризация | ||
| - | [http://papers.nips.cc/paper/5112-density-estimation-from-unweighted-k-nearest-neighbor-graphs-a-roadmap] Ulrike von Luxburg, Morteza Alamgir Density estimation from unweighted k-nearest neighbor graphs: a roadmap | + | [http://papers.nips.cc/paper/5112-density-estimation-from-unweighted-k-nearest-neighbor-graphs-a-roadmap] Ulrike von Luxburg, Morteza Alamgir "Density estimation from unweighted k-nearest neighbor graphs: a roadmap" |
| - | [http://jmlr.org/proceedings/papers/v38/kleindessner15.html] Matthaus Kleindessner, Ulrike von Luxburg Dimensionality estimation without distances | + | [http://jmlr.org/proceedings/papers/v38/kleindessner15.html] Matthaus Kleindessner, Ulrike von "Luxburg Dimensionality estimation without distances" |
4. Обнаружение пересекающихся сообществ в больших сетях: алгоритм BigCLAM и его обобщения | 4. Обнаружение пересекающихся сообществ в больших сетях: алгоритм BigCLAM и его обобщения | ||
| Строка 58: | Строка 58: | ||
5. Spectral clustering | 5. Spectral clustering | ||
| + | |||
| + | [https://www.informatik.uni-hamburg.de/ML/contents/people/luxburg/publications/Luxburg07_tutorial.pdf] Ulrike von Luxburg "A Tutorial on Spectral Clustering" | ||
| + | |||
| + | [http://www.cs.berkeley.edu/~jordan/papers/yan-etal-long.pdf] Donghui Yan, Ling Huang, Michael I. Jordan "Fast Approximate Spectral Clustering | ||
| + | " | ||
Версия 05:53, 3 ноября 2015
Содержание |
Описание семинара
Задача кластеризации известна всем, кто имел дело с машинным обучением, и имеет бесчисленное множество практических применений. Кроме того, известно, что задача кластеризации может быть сформулирована разными способами, то есть не имеет чёткой общепринятой постановки. В рамках данного семинара изучаются статистические подходы к задаче кластеризации. Отдельное внимание в работе уделяется кластеризации графов. Целью работы группы является построение алгоритмов кластеризации и кластеризации графов, которые обладают практической эффективностью, и при это допускают теоретический анализ.
Время заседаний
Регулярный семинар, проводится в ИППИ РАН по средам в 18-30, ауд. 615.
Научные руководители семинара
М.Е. Панов, С. Довгаль, В. Г. Спокойный
Организатор семинара
Совместный учебно-научный семинар магистерской программы Математические методы оптимизации и стохастики Факультета Компьютерных наук НИУ ВШЭ, Института проблем передачи информации РАН и Лаборатории ПреМоЛаб МФТИ. Куратор семинара М.Е. Панов
Заседания
13 октября 2015 г.
Игорь Силин "Минимаксное оценивание в Stochastic Block Models"
28 октября 2015 г.
1. Игорь Силин — продолжение рассказа
2. Обсуждение тем курсовых работы для студентов программы ММОС.
11 ноября 2015 г.
Константин Славнов TBA
Литература
1. Stochastic block models and graphon estimation
[1] Chao Gao, Yu Lu, Harrison H. Zhou "Rate-optimal Graphon Estimation"
[2] Olga Klopp, Alexandre B. Tsybakov, Nicolas Verzelen "Oracle inequalities for network models and sparse graphon estimation"
2. Кластеризация графов на основе modularity
[3] Santo Fortunato "Community detection in graphs"
[4] Twan van Laarhoven, Elena Marchiori "Axioms for graph clustering quality functions"
[5] Yunpeng Zhao, Elizaveta Levina, Ji Zhu "Consistency of community detection in networks under degree-corrected stochastic block models"
3. Графы ближайших соседей и их кластеризация
[6] Ulrike von Luxburg, Morteza Alamgir "Density estimation from unweighted k-nearest neighbor graphs: a roadmap"
[7] Matthaus Kleindessner, Ulrike von "Luxburg Dimensionality estimation without distances"
4. Обнаружение пересекающихся сообществ в больших сетях: алгоритм BigCLAM и его обобщения
5. Spectral clustering
[8] Ulrike von Luxburg "A Tutorial on Spectral Clustering"
[9] Donghui Yan, Ling Huang, Michael I. Jordan "Fast Approximate Spectral Clustering "
