[論文レビュー] Clustering by Descending to the Nearest Neighbor in the Delaunay Graph Space

Teng Qiu, Yongjie Li|arXiv (Cornell University)|Feb 16, 2015

Data Management and Algorithms参考文献 12被引用数 6

ひとこと要約

本稿では、データポイントがグラフ構造内の最近傍を選び込むことで自然なクラスタに組織化されるように導く、デローニー木を活用する新しいクラスタリング手法を提案する。各点がグラフ構造内での最近傍に限定して選択することで、重複するか不適切なエッジの形成を内因的に回避し、事後処理によるエッジ除去を不要とすることで、従来のツリー内クラスタリング手法に比べ、クラスタリングの精度と効率が向上する。

ABSTRACT

In our previous works, we proposed a physically-inspired rule to organize the data points into an in-tree (IT) structure, in which some undesired edges are allowed to occur. By removing those undesired or redundant edges, this IT structure is divided into several separate parts, each representing one cluster. In this work, we seek to prevent the undesired edges from arising at the source. Before using the physically-inspired rule, data points are at first organized into a proximity graph which restricts each point to select the optimal directed neighbor just among its neighbors. Consequently, separated in-trees or clusters automatically arise, without redundant edges requiring to be removed.

研究の動機と目的

• ツリー内クラスタリング構造における冗長または不適切なエッジが事後処理で除去を要する問題に対処すること。
• 近接性グラフに隣接選択を制限することで、このようなエッジの発生源を根本から防ぐこと。
• デローニー木に基づく隣接選択メカニズムを通じて、自動的にクラスタ形成を可能とすること。
• 構造構築後のエッジの刈り取りを不要とすることで、クラスタリングの効率性と精度を向上させること。
• トポロジー的制約を通じて自然に分離される、物理的インスピレーションを受けるクラスタリングフレームワークを提供すること。

提案手法

• まず、データポイントのデローニー三角形分割を構築して、局所的な近接関係を定義する。
• 各データポイントは、デローニー近傍内でのみ、最適な有向隣接点を選択できるものとする。
• この制限により、トポロジカルに意味のある接続のみが形成され、誤ったエッジが削減される。
• 選択プロセスは物理的インスピレーションに基づくルールに従い、密度の高い領域へと下降するよう促進され、自然に分離されたインツリーが形成される。
• 結果として得られる構造は、重複エッジを内因的に回避するため、事後処理によるエッジ削除は不要である。
• クラスタは有向グラフ内の別々の連結成分として現れ、それぞれが明確に分離されたデータグループに対応する。

実験結果

リサーチクエスチョン

• RQ1 デローニー近傍への隣接選択の制限が、ツリー内クラスタリングにおける冗長または不適切なエッジの発生を防げるか？
• RQ2 デローニー木を構造的制約として用いることで、より正確で自然に分離されたクラスタが得られるか？
• RQ3 構築時における近接性制約を課すことにより、エッジ除去の事後処理なしにクラスタリングを達成できるか？
• RQ4 デローニーに基づく隣接選択は、標準的なツリー内クラスタリング手法と比較して、クラスタ品質および計算効率において優れているか？
• RQ5 本手法は、複雑またはノイズの多いデータ分布において、クラスタ構造をどの程度保持できるか？

主な発見

• 隣接選択をデローニー近傍に限定することで、インツリー構築中に冗長または不適切なエッジの発生を効果的に防止できた。
• クラスタは有向グラフ内の別々の連結成分として自然に現れ、エッジの刈り取り処理が不要となった。
• デローニー三角形分割によるトポロジカルな近接性を活用することで、クラスタリング精度が向上した。
• 従来のツリー内クラスタリング手法で必要な事後処理ステップを回避したため、アルゴリズムの効率性が向上した。
• デローニー近接性によって制限された物理的インスピレーションに基づく下降ルールは、より安定的かつ意味のあるクラスタ境界をもたらした。
• デローニー木の固有の幾何的性質のおかげで、本手法は複雑なデータ分布に対しても頑健であることが示された。