決定論的情報ボトルネックアルゴリズムによるスパースクラスタリング

要旨: クラスタ分析は、理想的にはいくつかの望ましい特性を示すようなグループへとオブジェクトを割り当てるという課題に関係している。クラスタ構造が特徴空間のある部分集合に限定されると、従来のクラスタリング手法は前例のない課題に直面する。私たちは、疎なデータに関連する問題を克服し、特徴の重み付けとクラスタリングの両方を同時に行える情報理論的枠組みを提示する。提案手法は、合成データでのシミュレーションによって示されるように、疎なデータに対する既存のクラスタリングアルゴリズムに対する競争力のある代替案を構成する。提案手法の有効性は、実世界のゲノミクスのデータセットへの適用によって確立される。