Fully adaptive density-based clustering
完全自适应的密度聚类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：摘要研究密度水平集聚类，未涉及分布效应或其他所列计量领域细分。
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
完全自适应的密度聚类
- 研究问题
- 密度水平集聚类依赖用户指定阈值，能否从数据估计首次出现多个连通分量的最低水平及其对应聚类结构？
- 方法与思路
- 作者提出可接入多种水平集估计器的算法，对直方图版本进行有限样本分析，并用数据选择密度估计的宽度参数。
- 材料陈述的贡献
- 摘要称直方图版本可一致估计最低分裂水平及对应连通分量，并建立两类估计的收敛率及宽度参数自适应策略。
- 阅读关注点
- 应核对最低分裂水平的定义、密度与连通结构的条件、有限样本界和收敛率，以及宽度选择如何实现自适应。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要，不能把直方图版本的理论保证推广到任意水平集估计器，具体条件与速率未说明。
原文摘要
The clusters of a distribution are often defined by the connected components of a density level set. However, this definition depends on the user-specified level. We address this issue by proposing a simple, generic algorithm, which uses an almost arbitrary level set estimator to estimate the smallest level at which there are more than one connected components. In the case where this algorithm is fed with histogram-based level set estimates, we provide a finite sample analysis, which is then used to show that the algorithm consistently estimates both the smallest level and the corresponding connected components. We further establish rates of convergence for the two estimation problems, and last but not least, we present a simple, yet adaptive strategy for determining the width-parameter of the involved density estimator in a data-depending way.