Hard and Soft Clustering with Bregman divergence

Материал из Машинное обучение - Кафедра прикладной кибернетики
Перейти к навигации Перейти к поиску

Задание

  1. Ознакомиться со работами [1] и [2] (при необходимости будут высланы).
  2. Ознакомиться с понятиями мягкой и жесткой кластеризации (см. работу [3]).
  3. Реализовать в виде библиотеки языка Python алгоритмы мягкой и жесткой кластеризации с помощью расстояния Брэгмана.

Список литературы

  1. Л. М. Брэгман, Релаксационный метод нахождения общей точки выпуклых множеств и его применение для задач оптимизации, Докл. АН СССР, 1966, том 171, номер 5, 1019–1022 (англ. Bregman, L. M. (1967). "The relaxation method of finding the common points of convex sets and its application to the solution of problems in convex programming". USSR Computational Mathematics and Mathematical Physics. 7 (3): 200–217. doi:10.1016/0041-5553(67)90040-7).
  2. Banerjee, A., Merugu, S., Dhillon, I. S., & Ghosh, J. (2005). Clustering with Bregman divergences. Journal of machine learning research, 6(Oct), 1705-1749.
  3. Hard & Soft Clustering with K-means, Weighted K-means and GMM-EM in Python

Научный руководитель

ФИО: Мокаев Руслан Назирович [e-mail][Telegram]

Источник — https://apcyb.wiki/index.php?title=Hard_and_Soft_Clustering_with_Bregman_divergence&oldid=689