A Graph-Theoretic Approach to Goodness-of-Fit in Complete-Link Hierarchical Clustering
完全链接层次聚类拟合优度的图论方法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。
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：摘要中的图用于表达接近度与聚类拟合，未涉及经济网络或干扰效应，所给细分方向缺乏直接依据。
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
完全链接层次聚类拟合优度的图论方法
- 研究问题
- 如何评价完全链接层次聚类所得分组对原始接近度信息的拟合程度，并用图论对象表达这种评价？
- 方法与思路
- 作者将完全链接聚类重新解释为图节点着色的启发式程序，并以分组拟合一系列接近度图时产生的多余边数量衡量拟合。
- 材料陈述的贡献
- 摘要提出一个以图着色和多余边为核心的聚类拟合评价框架，并提供简单数值例子及部分蒙特卡洛结果加以展示。
- 阅读关注点
- 应核对接近度数据如何转化为图、多余边的具体定义，以及指标随聚类层级变化的含义和模拟设计。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明指标的理论性质、模拟设置或适用限制。
原文摘要
The complete-link hierarchical clustering strategy is reinterpreted as a heuristic procedure for coloring the nodes of a graph. Using this framework, the problem of assessing goodness-of-fit in complete-link clustering is approached through the number of “extraneous” edges in the fit of the constructed partitions to a sequence of graphs obtained from the basic proximity data. Several simple numerical examples that illustrate the suggested paradigm are given and some Monte Carlo results presented.