ترجمه فارسی مقاله AuToMATo: الگوریتم خوشه‌بندی مبتنی بر پایداری بدون پارامتر

چکیده

We present AuToMATo, a novel parameter-free clustering algorithm based on persistent homology. AuToMATo combines the existing ToMATo clustering algorithm with a bootstrapping procedure in order to separate significant peaks of an estimated density function from non-significant ones. We perform a thorough comparison of AuToMATo against many other state-of-the-art clustering algorithms. We find that not only that AuToMATo compares favorably against other parameter-free clustering algorithms, but in many instances also significantly outperforms even the best selection of parameters for other algorithms. AuToMATo is motivated by applications in topological data analysis, in particular the Mapper algorithm, where it is desirable to work with a parameter-free clustering algorithm. Indeed, we provide evidence that AuToMATo performs well when used with Mapper. Finally, we provide an open-source implementation of AuToMATo in Python that is fully compatible with the standardscikit-learn architecture.

چکیده به فارسی (ترجمه ماشینی)

ما Automato را ارائه می دهیم ، یک الگوریتم خوشه بندی بدون پارامتر جدید مبتنی بر همسانی مداوم.Automato الگوریتم خوشه بندی گوجه فرنگی موجود را با یک روش بوت استرپی به منظور جدا کردن قله های قابل توجه از عملکرد چگالی تخمین زده شده از موارد غیر مهم ترکیب می کند.ما یک مقایسه کامل از Automato را در برابر بسیاری از الگوریتم های خوشه بندی مدرن دیگر انجام می دهیم.ما می دانیم که نه تنها این Automato در برابر سایر الگوریتم های خوشه بندی بدون پارامتر مقایسه می کند ، بلکه در بسیاری از موارد نیز به طور قابل توجهی حتی بهترین انتخاب پارامترها برای سایر الگوریتم ها نیز بهتر است.Automato با استفاده از برنامه های کاربردی در تجزیه و تحلیل داده های توپولوژیکی ، به ویژه الگوریتم نقشه برداری ، که در آن مطلوب است با یک الگوریتم خوشه بندی بدون پارامتر مطلوب باشد.در واقع ، ما شواهدی ارائه می دهیم که Automato هنگام استفاده از Mapper عملکرد خوبی دارد.سرانجام ، ما اجرای منبع باز از Automato در پایتون را ارائه می دهیم که کاملاً با معماری استاندارد-یادگیری سازگار است.