Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  A Dependence Maximization View of Clustering

Song, L., Smola, A., Gretton, A., & Borgwardt, K. (2007). A Dependence Maximization View of Clustering. In Z. Ghahramani (Ed.), ICML '07: 24th International Conference on Machine Learning (pp. 815-822). New York, NY, USA: ACM Press.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0013-CD55-C Versions-Permalink: https://hdl.handle.net/21.11116/0000-0003-E23A-D
Genre: Konferenzbeitrag

Dateien

einblenden: Dateien
ausblenden: Dateien
:
ICML-2007-Song.pdf (beliebiger Volltext), 2MB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/21.11116/0000-0003-E23B-C
Name:
ICML-2007-Song.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
-
Copyright Info:
-
Lizenz:
-

Externe Referenzen

einblenden:
ausblenden:
externe Referenz:
https://dl.acm.org/citation.cfm?doid=1273496.1273599 (Verlagsversion)
Beschreibung:
-
OA-Status:

Urheber

einblenden:
ausblenden:
 Urheber:
Song, L, Autor
Smola, AJ, Autor           
Gretton, A1, 2, Autor           
Borgwardt, KM, Autor           
Affiliations:
1Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497794              
2Department Empirical Inference, Max Planck Institute for Biological Cybernetics, Max Planck Society, ou_1497795              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: We propose a family of clustering algorithms based on the maximization of dependence between the input variables and their cluster labels, as expressed by the Hilbert-Schmidt Independence Criterion (HSIC). Under this framework, we unify the geometric, spectral, and statistical dependence views of clustering, and subsume many existing algorithms as special cases (e.g. k-means and spectral clustering). Distinctive to our framework is that kernels can also be applied on the labels, which can endow them with particular structures. We also obtain a perturbation bound on the change in k-means clustering.

Details

einblenden:
ausblenden:
Sprache(n):
 Datum: 2007-06
 Publikationsstatus: Erschienen
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: DOI: 10.1145/1273496.1273599
BibTex Citekey: 4471
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: Twenty-Fourth Annual International Conference on Machine Learning (ICML 2007)
Veranstaltungsort: Corvallis, OR, USA
Start-/Enddatum: 2007-06-20 - 2007-06-24

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: ICML '07: 24th International Conference on Machine Learning
Genre der Quelle: Konferenzband
 Urheber:
Ghahramani, Z, Herausgeber
Affiliations:
-
Ort, Verlag, Ausgabe: New York, NY, USA : ACM Press
Seiten: - Band / Heft: - Artikelnummer: - Start- / Endseite: 815 - 822 Identifikator: ISBN: 978-1-59593-793-3