[論文レビュー] Kernel-estimated Nonparametric Overlap-Based Syncytial Clustering

Israel Almodóvar‐Rivera, Ranjan Maitra|arXiv (Cornell University)|May 24, 2018

Bayesian Methods and Mixture Models参考文献 91被引用数 8

ひとこと要約

本稿では、k-meansなどの標準的手法から得られるクラスタをカーネル推定による非パrametricな重複度を用いて統合する、分布フリーで完全に自動化された同期クラスタリング手法KNOB-SynCを提案する。この手法は、ガンマ線バーストやfMRI脳活性化データを含む多様なデータセットにおいて、正規および不規則なクラスタ構造を検出する際、ユーザーが調整するパrameterが不要でありながら、再現性と頑健性が向上した。

ABSTRACT

Commonly-used clustering algorithms usually find ellipsoidal, spherical or other regular-structured clusters, but are more challenged when the underlying groups lack formal structure or definition. Syncytial clustering is the name that we introduce for methods that merge groups obtained from standard clustering algorithms in order to reveal complex group structure in the data. Here, we develop a distribution-free fully-automated syncytial clustering algorithm that can be used with $k$-means and other algorithms. Our approach estimates the cumulative distribution function of the normed residuals from an appropriately fit $k$-groups model and calculates the estimated nonparametric overlap between each pair of clusters. Groups with high pairwise overlap are merged as long as the estimated generalized overlap decreases. Our methodology is always a top performer in identifying groups with regular and irregular structures in several datasets and can be applied to datasets with scatter or incomplete records. The approach is also used to identify the distinct kinds of gamma ray bursts in the Burst and Transient Source Experiment 4Br catalog and the distinct kinds of activation in a functional Magnetic Resonance Imaging study.

研究の動機と目的

• 標準的なクラスタリング手法が非楕円的または不規則な形状のクラスタを検出できないという限界を克服すること。
• データ駆動型の重複度推定に基づいてクラスタを統合する、完全に自動化されパrameterフリーの手法を開発すること。
• fMRIや天文学的カタログのような複雑またはノイズの多いデータセットにおいて、クラスタ検出の再現性と頑健性を向上させること。
• k-meansや類似手法の適用範囲を、散らばりや欠損レコードを含むデータセットへと拡張すること。
• さまざまな標準的手法の出力と互換性を持つ汎用的な同期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

• 非対称RIGカーネル密度推定を用いて、kグループモデルの正規化残差の累積分布関数（CDF）を推定する。
• カーネル法を用いて推定された[38]の重複度測定法を用いて、クラスタ間のペアワイズ非パラメトリック重複度を計算する。
• 一般化された重複度が減少する限り、高いペアワイズ重複度を持つクラスタを統合することで、構造的一致性を保証する。
• MISEを最小化するためのプラグイン帯域幅選択器を用いて、カーネル密度推定を最適化する。
• k-meansや他のクラスタリングアルゴリズムの出力を対象として適用し、再クラスタリングなしに同期クラスタリングを実現する。
• RパッケージSynClustRに実装し、KNOBSynCおよびkmH関数を提供する。

実験結果

リサーチクエスチョン

• RQ1 非パラメトリックでデータ駆動型の手法が、標準的手法からのクラスタを効果的に統合し、複雑な非正規のクラスタ構造を明らかにできるか？
• RQ2 カーネル推定による重複度は、従来の重複度測定法に比べて真の潜在的グループ構造をどれほど正確に検出できるか？
• RQ3 KNOB-SynCは、複数のfMRIデータリプレリケーションにおいて、活性化検出の再現性をどの程度向上させるか？
• RQ4 KNOB-SynCは、クラスタ数の事前知識なしにBATSE 4Brカタログにおけるガンマ線バーストの異なる5種類の種類を検出できるか？
• RQ5 本手法は、次元数、ノイズ、欠損レコードの程度が異なるデータセットに対しても、頑健性と性能を維持できるか？

主な発見

• fMRIの5つのリプレリケーションにおいて、KNOB-SynCは平均Jaccard指数0.238を達成し、AR-FAST（0.102）を著しく上回り、活性化検出における再現性の優位性を示した。
• fMRI研究において、KNOB-SynCは左M1、同側のpre-M1、および対側のpre-SMA/SMAでの活性化を検出し、リプレリケーション間で一貫した結果を得た。
• 本手法は、BATSE 4Brカタログにおいてガンマ線バーストの5つの異なる種類を正確に同定し、天文学的データ解析における実用性を裏付けた。
• KNOB-SynCは、不規則な構造、散らばり、欠損レコードを含むデータセットにおいても高い性能を維持し、一般化可能性を示した。
• ユーザーが指定するパrameterが不要な状態で、多様なデータセットに対して頑健で優れた性能を発揮し、複数のベンチマーク手法を上回った。
• カーネルベースのCDF推定器により、信頼性の高い非パラメトリックな重複度推定が可能となり、本手法の安定性と正確性の根幹を形成した。