A new measure for assessment of clustering based on kernel density estimation
基于核密度估计的聚类评价新指标AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用聚类评价与核密度估计，未明确涉及所列计量领域细分的研究对象或方法问题。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
基于核密度估计的聚类评价新指标
- 研究问题
- 在聚类数未知及数据可能高维的情况下，如何构造可跨聚类算法使用的评价指标，同时判断聚类质量与合适的聚类数？
- 方法与思路
- 作者对样本点之间的距离应用一元非参数核密度估计，构造聚类有效性指标，并以模拟及生物、天文数据展示应用。
- 材料陈述的贡献
- 摘要称该指标适用于可定义距离密度的数据，模拟表现优于轮廓系数与 Dunn 指标，并声称可有效处理变量多于样本的情形。
- 阅读关注点
- 应核对指标公式、带宽与距离度量选择、聚类数决策规则，以及模拟比较是否涵盖不同维度、簇形状和计算成本。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未提供比较数值，基于一元距离密度也不足以确认完全免受高维问题影响。
原文摘要
A new clustering accuracy measure is proposed to determine the unknown number of clusters and to assess the quality of clustering of a data set given in any dimensional space. Our validity index applies the classical nonparametric univariate kernel density estimation method to the interpoint distances computed between the members of data. Being based on interpoint distances, it is free of the curse of dimensionality and therefore efficiently computable for high-dimensional situations where the number of study variables can be larger than the sample size. The proposed measure is compatible with any clustering algorithm and with every kind of data set where the interpoint distance measure can be defined to have a density function. Simulation study proves its superiority over widely used cluster validity indices like the average silhouette width and the Dunn index, whereas its applicability is shown with respect to a high-dimensional Biostatistical study of Alon data set and a large Astrostatistical application of time series with light curves of new variable stars.