[논문 리뷰] A Generalized Affinity Propagation Clustering Algorithm for Nonspherical Cluster Discovery.

Teng Qiu, Yongjie Li|arXiv (Cornell University)|2015. 01. 18.

Advanced Clustering Algorithms Research인용 수 5

한 줄 요약

이 논문은 일반화된 유사도 전파(G-AP)를 제안하며, 이는 데이터 유사도로부터 먼저 희박하게 연결된 내부 트리(IT) 구조를 구축한 후, 유사도 전파를 통해 확장하고 자르는 방식으로 비구형 클러스터를 완전히 자동으로 탐지하는 클러스터링 알고리즘이다. 이 방법은 클러스터 수나 형상에 대한 사전 지식이 필요 없이 유일하게 쌍별 유사도 값을 입력으로 사용함으로써 비구형 클러스터를 고유하게 처리한다.

ABSTRACT

Clustering analysis aims to discover the underlying clusters in the data points according to their similarities. It has wide applications ranging from bioinformatics to astronomy. Here, we proposed a Generalized Affinity Propagation (G-AP) clustering algorithm. Data points are first organized in a sparsely connected in-tree (IT) structure by a physically inspired strategy. Then, additional edges are added to the IT structure for those reachable nodes. This expanded structure is subsequently trimmed by affinity propagation method. Consequently, the underlying cluster structure, with separate clusters, emerges. In contrast to other IT-based methods, G-AP is fully automatic and takes as input the pairs of similarities between data points only. Unlike affinity propagation, G-AP is capable of discovering nonspherical clusters.

연구 동기 및 목표

• 기존 클러스터링 방법이 비구형 클러스터를 탐지하는 데에 한계가 있음을 해결하기 위해.
• 클러스터 수나 거리 임계값과 같은 사용자 정의 매개변수를 필요로 하지 않는 완전 자동 클러스터링 알고리즘을 개발하기 위해.
• 거리 메트릭이나 초기화에 의존하지 않고 쌍별 유사도 값만을 입력으로 사용하기 위해.
• 내부 트리 구조 구축과 유사도 전파를 조합하여 복잡한 데이터 구조에서의 클러스터 탐지 성능을 향상시키기 위해.

제안 방법

• 각 점이 가장 유사한 이웃과 연결되도록 물리학적 전략을 활용해 데이터 포인트에서 내부 트리(IT) 구조를 구성하기.
• 서로 도달 가능한 노드 간에 간선을 추가하여 IT 구조를 확장함으로써 더 연결되면서도 희박한 네트워크를 형성하기.
• 확장된 구조에 대해 유사도 전파 알고리즘을 적용하여 대표점과 클러스터 할당을 식별하기.
• 유사도 전파의 메시지 전달 메커니즘을 사용해 반복적으로 확장된 구조를 자르며 클러스터 경계를 정밀하게 다듬기.
• 거리 행렬이나 클러스터 초기화가 필요 없이 오직 쌍별 유사도 값만을 입력으로 사용하기.
• 확장된 IT의 위상적 구조를 활용해 잠재적인 비구형 클러스터 형상의 특성을 드러내기.

실험 결과

연구 질문

• RQ1 클러스터 수나 형상에 대한 사전 지식 없이도 클러스터링 알고리즘이 비구형 클러스터를 탐지할 수 있는가?
• RQ2 내부 트리 구조 구축과 유사도 전파를 조합한 하이브리드 접근 방식이 복잡한 클러스터 탐지에 얼마나 효과적인가?
• RQ3 쌍별 유사도 값만으로도 비구형 데이터에서 자동으로 정확한 클러스터링을 수행할 수 있는 정도는 어느 정도인가?
• RQ4 도달 가능성 기반 간선 확장을 통한 네트워크 확장은 기존 유사도 전파 대비 클러스터 구조 복원 능력을 향상시키는가?

주요 결과

• 기존의 유사도 전파가 구형 가정에 의존하기 때문에 실패하는 상황에서도 G-AP는 비구형 클러스터를 성공적으로 탐지한다.
• 알고리즘은 완전히 자동으로 작동하며 클러스터 수나 거리 임계값과 같은 사용자 지정 매개변수를 필요로 하지 않는다.
• 내부 트리 구조 구축 단계는 희박하고 물리학적으로 타당한 초기화를 보장하여 효율적인 메시지 전달을 지원한다.
• 도달 가능한 노드 간 연결 추가로 네트워크의 복잡한 클러스터 위상 구조를 포착하는 능력이 향상된다.
• 확장된 구조에 적용된 유사도 전파 알고리즘이 효과적으로 대표점을 식별하고 일관된 클러스터를 형성한다.
• 오직 쌍별 유사도 입력만을 사용함으로써 이 방법은 다양한 데이터 유형에 적용 가능하며 강력한 클러스터 탐지 성능을 달성한다.