MST-DHC: A User-Friendly Hyperparameter-Free and Cluster-Size Balanced Clustering Algorithm

Xinyu Chen

doi:10.1109/TKDE.2026.3701540

MST-DHC: A User-Friendly Hyperparameter-Free and Cluster-Size Balanced Clustering Algorithm

2026-06-08

0

PRE

AI

DOI：10.1109/TKDE.2026.3701540

原文链接

原文求助

摘要

En 中文

最小生成树（MST）通过最小总权重连接所有顶点，并编码这些顶点间的内在相关性信息，其分布行为也由MST的边权重表征。受此启发，我们提出了一种用户友好的基于MST的分裂式层次聚类（MST-DHC）算法，该算法无需超参数且能平衡聚类大小。具体而言，MST-DHC根据MST边权重序列的二阶差分选择待分割的聚类，然后调整MST中每条边的权重以尽可能平衡分割后的聚类大小。为提高聚类结果的置信度，我们引入了一种辅助方法，利用测地距离（定义为MST中两顶点间唯一路径的边权重之和）筛选数据空间中低密度区域的点。与现有的基于MST的聚类算法不同，所提出的MST-DHC除聚类数k外不含任何超参数，并能平衡聚类大小。筛选方法仅需预先指定后续聚类过程需保留的点数。因此，该算法比现有算法具有更高的用户友好性和适用性。数值实验支持MST-DHC的有效性，并表明：1）MST-DHC优于经典聚类算法；2）筛选方法提升了MST-DHC的聚类性能。

Keyword:

Balanced clustering

divisive hierarchical clustering

geodesic distance

hyperparameter-free

minimum spanning tree

MST-DHC: A User-Friendly Hyperparameter-Free and Cluster-Size Balanced Clustering Algorithm

摘要

期刊

机构

引用论文