• Min Cut
  
  含義很簡單，就是將不屬于同一類的所有點之間的相似度累加起來就好了。
  是一種描述不同類之間 分離程度。

• 缺點：這個方法傾向于切割小的組出來。

• 這篇論文提出的想法之一：
  

• 進一步做一個變形。中間用到了一步，就是將屬于同一類的就算部分補全，使得公式更加整潔。通過化簡構造出了一個常數的部分，之后，就只需要考慮后面的非常數部分了。

• 也就是考慮每個類內部的聚合程度。而這個$\alpha$只是將類內部的點的數量信息顯示了出來。個人認為，這個部分，跟之前的Ratio Cut 有點類似，雖然目標函數有些不一樣，但思想都是一致的

論文中也有這樣說到這個。

This formulation provides a rich family of alternative clustering
models where different regularizations are induced by
different values of α. However, choosing a very large α can
lead to equalizing the size of the clusters that are inherently
very unbalanced in size.

• 該公式提供了豐富的替代聚類系列
  由不同的正則化引起的模型
  不同的α值。但是，選擇一個非常大的α可以使得聚類的結果均衡，就算原來的大小就是不均衡的。

很明顯，這個模型需要做很多的關于超參數的修改。這樣很麻煩，而且有時候根本沒辦法調整這個alpha。所以，本文又提出了一個改進。

• we propose a particular shift of pairwise similarities which
  takes the connectivity of the objects into account and does not
  require fixing any free parameter.

就是關于X做一個Shift。

這樣，就使得行列之和都會變為0了。

于是直接改寫這個公式，得到新的損失函數：

會發現，這個損失函數，就是不再存在有超參數了。

總結

以上是生活随笔為你收集整理的【论文阅读】Clustering by Shift的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。