#聚类

做聚类分析的朋友可以看看这篇：RTKNNC 不用提前定簇数，靠双向KNN图多尺度找簇，变密度数据上的ARI从0.78拉到0.96。

想了解如何解决联邦学习中的非独立同分布数据聚类问题，可以看看这篇论文提出的 FedDCN 方法。

这篇论文的DP-GRAMS能在差分隐私下找到密度模式，误差接近理论最优，还附赠回归和聚类版本。

这篇论文提出了一种新的贝叶斯非参数学习方法PYPM-GGD，用自适应步长处理非共轭后验，在MIT67和SUN397上聚类效果不错，比传统SVI更灵活。

这篇论文用协方差方法解决了子组公平聚类的计算难题，COVA-FC比现有方法更快更稳定，做公平聚类研究可以看看。

这篇论文教你用无监督聚类自动分析心脏PET/MRI，在99名患者上准确匹配医生判断，省时省力。

做无监督学习和持续学习的团队终于有了聚类场景的专用方案——FBCC 不依赖标签和旧数据就能保持聚类结构，做数据流聚类或隐私敏感场景的开发者可以直接参考实验设置。