Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
 
 
DownloadE-Mail
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Taxonomy Inference Using Kernel Dependence Measures

Blaschko, M., & Gretton, A.(2008). Taxonomy Inference Using Kernel Dependence Measures (181). Tübingen, Germany: Max Planck Institute for Biological Cybernetics.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-C673-4 Versions-Permalink: https://hdl.handle.net/21.11116/0000-0002-8702-3
Genre: Bericht

Dateien

einblenden: Dateien
ausblenden: Dateien
:
MPIK-TR-181.pdf (Verlagsversion), 722KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0002-8703-2
Name:
MPIK-TR-181.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Blaschko, MB1, 2, Autor           
Gretton, A1, 2, Autor           
Affiliations:
1Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              
2Max Planck Institute for Biological Cybernetics, Max Planck Society, Spemannstrasse 38, 72076 Tübingen, DE, ou_1497794              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: We introduce a family of unsupervised algorithms, numerical taxonomy clustering, to simultaneously
cluster data, and to learn a taxonomy that encodes the relationship between the clusters. The algorithms
work by maximizing the dependence between the taxonomy and the original data. The resulting taxonomy is a
more informative visualization of complex data than simple clustering; in addition, taking into account the relations
between different clusters is shown to substantially improve the quality of the clustering, when compared
with state-of-the-art algorithms in the literature (both spectral clustering and a previous dependence maximization
approach). We demonstrate our algorithm on image and text data.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2008-11
 Publikationsstatus: Erschienen
 Seiten: 11
 Ort, Verlag, Ausgabe: Tübingen, Germany : Max Planck Institute for Biological Cybernetics
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: Reportnr.: 181
BibTex Citekey: 5618
 Art des Abschluß: -

Veranstaltung

einblenden:

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Technical Report of the Max Planck Institute for Biological Cybernetics
Genre der Quelle: Reihe
 Urheber:
Affiliations:
Ort, Verlag, Ausgabe: -
Seiten: - Band / Heft: 181 Artikelnummer: - Start- / Endseite: - Identifikator: -