Yoğunluk kümeleri ağacı ve spektral hiyerarşi eşdeğerliği

arXiv Machine Learning (cs.LG) kategorisinde yayımlanan yeni bir makale, hiyerarşik kümeleme alanında iki farklı yaklaşımdan elde edilen yapıların birbiriyle ilişkisini incelemektedir. Makalenin arXiv kimliği 2610.31909 ve DOI'si 10.48550/arXiv.2610.31909 olarak belirtilmiştir. Yayın tarihi 26 Ekim 2026 olarak kaydedilmiş, UTC zamanında 22 Ekim 2026 günü 21:03:41'de de sistemde yer almaktadır.

Yoğunluk kümeleri ağacı ve spektral hiyerarşi arasındaki ilişki

Makalede incelenen ilk yapı, bir yoğunluk fonksiyonun süperseviye kümelerinin bağlı bileşenlerinden oluşan yoğunluk kümeleri ağacıdır. İkinci yapı ise Laplasyen operatör tarafından oluşturulan difüzyon mesafelerine tek bağlantı yöntemi uygulanarak elde edilen spektral hiyerarşidir. Bu iki kanonik yöntemin, bir altta yatan yoğunluk fonksiyonundan hiyerarşik kümeleme elde etmek için nasıl kullanılabileceği tartışılmaktadır.

Monoton yükseklik yeniden ölçeklemesi ve k-NN grafik uygulaması

Makalenin temel bulgusu, uygun bir difüzyon zamanında spektral hiyerarşinin yoğunluk kümeleri ağacıyla monoton bir yükseklik yeniden ölçeklemesiyle topolojik olarak eşdeğer olmasıdır. Ayrıca k-NN grafik uygulaması, difüzyon mesafelerinin eşitlikli yaklaşımıyla bu eşdeğerliği devralmaktadır. Sonuç olarak, sonlu örnekli spektral grafik yapılarından yoğunluk seviye kümesi topolojisine bir indirgeme sağlanmaktadır. Makalenin yazarı ve göndericisi Sajjad Hashemian olarak belirtilmiştir.

Neden önemli?

Hiyerarşik kümeleme, bir altta yatan yoğunluk fonksiyonundan elde etmek için iki kanonik yöntem karşılaştırılmaktadır. Bu çalışma, yoğunluk kümeleri ağacı ve spektral hiyerarşi arasındaki topolojik ilişkiyi ve k-NN grafik uygulamalarındaki sonlu örnekli davranışını araştırmaktadır.

Kaynak: arXiv — Machine Learning

Temsili görsel: Google DeepMind / Pexels