AAAI2024论文解读|Towards Fairer Centroids in k-means Clustering面向更公平的 k 均值聚类中心

论文标题

Towards Fairer Centroids in k-means Clustering

面向更公平的 k 均值聚类中心

论文链接

Towards Fairer Centroids in k-means Clustering论文下载

论文作者

Stanley Simoes, Deepak P, Muiris MacCarthaigh

内容简介

本文提出了一种新的聚类级质心公平性(Cluster-level Centroid Fairness, CCF)概念,旨在解决传统 k 均值聚类中不同群体在聚类中心代表性上的不公平问题。作者通过引入 Fair-Centroid 方法,专注于提升每个聚类中最不利群体的代表性,从而实现更公平的聚类结果。该方法通过迭代优化框架实现,能够在保持聚类质量的同时显著降低群体间的代表性差异。实验结果表明,Fair-Centroid 在真实数据集上表现出色,为公平聚类提供了一种新的解决方案。

分点关键点

1.聚类级质心公平性(CCF)

提出了一种新的公平性概念,专注于每个聚类内部群体的代表性公平性,而非传统的数据集整体公平性。通过量化每个聚类中群体的代表性差异,CCF 能够更细致地捕捉聚类内的不公平性。

2.Fair-Centroid 方法

通过迭代优化框架实现,初始聚类分配会根据最不利群体的代表性进行调整,以提升其在每个聚类中的代表性。该方法结合了功利主义目标和公平性目标,通过超参数控制两者之间的权衡。

3.实验验证

在 Adult 和 CreditCard 数据集上验证了 Fair-Centroid 的有效性。结果表明,该方法能够在对聚类质量影响较小的情况下显著提升聚类级公平性,优于传统的 k 均值和公平 k 均值方法。

4.公平性与效用的权衡

通过调整超参数,Fair-Centroid 能够在公平性和效用之间实现平衡。实验表明,即使在较小的公平性权重下,该方法也能显著降低群体间的代表性差异,同时保持较高的聚类效用。

5.未来工作

提出了进一步优化 Fair-Centroid 的方向,包括设计更高效的算法(如线性规划松弛和线搜索)以及将该方法扩展到其他聚类算法(如 k-medoids 和模糊 c 均值)。

论文代码

代码链接:https://github.com/RyanWangZf/BioBridge


总结

本文围绕 k 均值聚类中的公平性问题展开研究,提出了一种新的聚类级质心公平性(CCF)概念,并通过 Fair-Centroid 方法实现了对每个聚类中最不利群体的代表性提升。该方法通过迭代优化框架,在保持聚类质量的同时显著降低了群体间的代表性差异。实验结果表明,Fair-Centroid 在真实数据集上表现出色,能够在对聚类效用影响较小的情况下显著提升公平性。未来工作将聚焦于优化算法效率和扩展到其他聚类范式。

AAAI2024论文合集:

AAAI2024论文合集

希望这些论文能帮到你!如果觉得有用,记得点赞关注哦~ 后续还会更新更多论文合集!!

相关推荐
kyle~14 分钟前
计算机视觉---RealSense深度相机技术
人工智能·数码相机·计算机视觉·机器人·嵌入式·ros·传感器
碣石潇湘无限路1 小时前
【AI篇】当Transformer模型开始学习《孙子兵法》
人工智能·学习
看到我,请让我去学习1 小时前
OpenCV开发-初始概念
人工智能·opencv·计算机视觉
汀沿河1 小时前
8.1 prefix Tunning与Prompt Tunning模型微调方法
linux·运维·服务器·人工智能
陈敬雷-充电了么-CEO兼CTO1 小时前
大模型技术原理 - 基于Transformer的预训练语言模型
人工智能·深度学习·语言模型·自然语言处理·chatgpt·aigc·transformer
学术 学术 Fun1 小时前
✨ OpenAudio S1:影视级文本转语音与语音克隆Mac整合包
人工智能·语音识别
风铃喵游2 小时前
让大模型调用MCP服务变得超级简单
前端·人工智能
booooooty2 小时前
基于Spring AI Alibaba的多智能体RAG应用
java·人工智能·spring·多智能体·rag·spring ai·ai alibaba
PyAIExplorer3 小时前
基于 OpenCV 的图像 ROI 切割实现
人工智能·opencv·计算机视觉
风口猪炒股指标3 小时前
技术分析、超短线打板模式与情绪周期理论,在市场共识的形成、分歧、瓦解过程中缘起性空的理解
人工智能·博弈论·群体博弈·人生哲学·自我引导觉醒