Frugal and Online Affinity Propagation

Xiangliang Zhang 1 Cyril Furtlehner 1 Michèle Sebag 1
1 TAO - Machine Learning and Optimisation
LRI - Laboratoire de Recherche en Informatique, UP11 - Université Paris-Sud - Paris 11, Inria Saclay - Ile de France, CNRS - Centre National de la Recherche Scientifique : UMR8623
Abstract : A new Data Clustering algorithm, Affinity Propagation suffers from its quadratic complexity in function of the number of data items. Several extensions of Affinity Propagation were proposed aiming at online clustering in the data stream framework. Firstly, the case of multiply defined items, or weighted items is handled using Weighted Affinity Propagation(WAP). Secondly, Hierarchical AP achieves distributed AP and uses WAP to merge the sets of exemplars learned from subsets. Based on these two building blocks, the third algorithm performs Incremental Affinity Propagation on data streams. The paper validates the two algorithms both on benchmark and on real-world datasets. The experimental results show that the proposed approaches perform better than $K$-centers based approaches.
Type de document :
Communication dans un congrès
Conférence francophone sur l'Apprentissage (CAP), May 2008, Ile de Porquerolles, France. 2008
Liste complète des métadonnées

Littérature citée [14 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00287381
Contributeur : Xiangliang Zhang <>
Soumis le : mercredi 11 juin 2008 - 17:15:58
Dernière modification le : jeudi 5 avril 2018 - 12:30:12
Document(s) archivé(s) le : vendredi 28 septembre 2012 - 15:51:21

Fichier

v5_for_final.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00287381, version 1

Collections

Citation

Xiangliang Zhang, Cyril Furtlehner, Michèle Sebag. Frugal and Online Affinity Propagation. Conférence francophone sur l'Apprentissage (CAP), May 2008, Ile de Porquerolles, France. 2008. 〈inria-00287381〉

Partager

Métriques

Consultations de la notice

497

Téléchargements de fichiers

343