[论文解读] A Generalized Affinity Propagation Clustering Algorithm for Nonspherical Cluster Discovery.

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

Advanced Clustering Algorithms Research被引用 5

一句话总结

本文提出广义吸引传播（G-AP），一种完全自动化的聚类算法，通过首先从数据相似性构建稀疏连接的树形（IT）结构，然后利用吸引传播进行扩展和修剪，从而发现非球形聚类。该方法独特地在无需预先知晓聚类数量或形状的情况下处理非球形聚类，仅使用成对相似性作为输入。

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.

研究动机与目标

• 解决现有聚类方法在检测非球形聚类方面的局限性。
• 开发一种完全自动化的聚类算法，无需用户定义的参数（如聚类数量或距离阈值）。
• 仅利用成对相似性作为输入，避免依赖距离度量或初始化。
• 通过结合树形结构构建与吸引传播，提升复杂数据结构中的聚类发现能力。

提出的方法

• 使用受物理启发的策略，将每个点连接到其最相似的邻居，从数据点构建树形（IT）结构。
• 通过添加节点间相互可达的边来扩展IT结构，形成连接性更强但依然稀疏的网络。
• 在扩展后的结构上应用吸引传播算法，以识别典型代表和聚类分配。
• 通过吸引传播的消息传递机制，迭代地修剪扩展后的结构，以优化聚类边界。
• 仅使用成对相似性值作为输入，无需距离矩阵或聚类初始化。
• 利用扩展IT结构的拓扑结构，揭示潜在的非球形聚类形状。

实验结果

研究问题

• RQ1 聚类算法是否能在不预先知晓聚类数量或形状的情况下发现非球形聚类？
• RQ2 结合树形结构构建与吸引传播的混合方法在复杂聚类检测中的有效性如何？
• RQ3 成对相似性在多大程度上能够单独实现非球形数据的自动且精确的聚类？
• RQ4 基于可达性的边扩展是否相比标准吸引传播能更好地恢复聚类结构？

主要发现

• G-AP在传统吸引传播因依赖球形假设而失效的情况下，成功发现了非球形聚类。
• 该算法完全自动运行，无需用户指定聚类数量或距离阈值等参数。
• 树形结构构建阶段确保了稀疏且具有物理解释的初始化，支持高效的讯息传递。
• 添加可达节点之间的连接增强了网络捕捉复杂聚类拓扑结构的能力。
• 在扩展结构上应用吸引传播能有效识别典型代表并形成一致的聚类。
• 该方法仅使用成对相似性输入即可实现稳健的聚类发现，适用于多种数据类型。