رویکردی عملی برای کشف کلاس جدید در داده های جدولی

نویسندگان:

(1) Troisemaine Colin، دپارتمان علوم کامپیوتر، IMT Atlantique، Brest، فرانسه، و Orange Labs، Lannion، فرانسه.

(2) Reifers-Masson Alexandre، گروه علوم کامپیوتر، IMT آتلانتیک، برست، فرانسه.

(3) Gosselin Stephane، Orange Labs، Lannion، فرانسه.

(4) Lemaire Vincent، Orange Labs، Lannion، فرانسه.

(5) Vaton Sandrine، گروه علوم کامپیوتر، IMT Atlantique، برست، فرانسه.

چکیده و مقدمه

کار مرتبط

رویکردها

بهینه سازی هایپرپارامتر

تخمین تعداد کلاس های رمان

مراحل آموزش کامل

آزمایش

نتیجه

اعلامیه ها

منابع

پیوست A: معیارهای نتایج اضافی

پیوست ب: فراپارامترها

پیوست ج: نتایج عددی شاخص‌های اعتبار خوشه‌ای

پیوست D: NCD k-means مطالعه همگرایی مرکزها

خلاصه

مشکل Novel Class Discovery (NCD) شامل استخراج دانش از مجموعه برچسب‌گذاری شده از کلاس‌های شناخته شده برای تقسیم دقیق مجموعه‌ای بدون برچسب از کلاس‌های جدید است. در حالی که NCD اخیراً مورد توجه بسیاری از جامعه قرار گرفته است، اغلب در مشکلات بینایی رایانه ای و در شرایط غیر واقعی حل می شود. به طور خاص، معمولاً فرض می‌شود که تعداد کلاس‌های جدید از قبل مشخص است و گاهی اوقات از برچسب‌های آنها برای تنظیم فراپارامترها استفاده می‌شود. روش هایی که بر این فرضیات تکیه دارند …

Source link