AdaGraph: Algoritmo di Clustering Nativo per Grafi Supera la Maledizione della Dimensionalità
AdaGraph è un algoritmo di clustering nativo per grafi introdotto in arXiv:2605.16320, sviluppato nell'ambito del paradigma Structure-Centric Machine Learning (SC-ML). A differenza dei metodi tradizionali incentrati sulla geometria, AdaGraph opera interamente all'interno della topologia del grafo kNN, preservando la struttura relazionale in spazi ad alta dimensionalità dove la distanza euclidea fallisce. Non richiede un numero predefinito di cluster, gestisce nativamente il rumore e scala tramite il framework SLCD. La sua ottimizzazione non supervisionata utilizza Graph-SCOPE, un indice di validità dei cluster basato sulla topologia. Su 10 benchmark sintetici da d=10 a d=5000, Graph-SCOPE ha ottenuto prestazioni superiori.
Fatti principali
- AdaGraph è un algoritmo di clustering nativo per grafi.
- Si basa sul paradigma Structure-Centric Machine Learning (SC-ML).
- Opera all'interno della topologia del grafo kNN.
- Non richiede la specifica a priori del numero di cluster k.
- Gestisce nativamente il rumore.
- Scala tramite il framework SLCD (Sample-Learn-Calibrate-Deploy).
- Si abbina a Graph-SCOPE per l'ottimizzazione non supervisionata.
- Testato su 10 benchmark sintetici da d=10 a d=5000.
Entità
—