यह पत्र श्रेणीबद्ध डेटा की क्लस्टरिंग समस्या के समाधान हेतु एक नवीन क्रमिक दूरी मीट्रिक शिक्षण विधि प्रस्तावित करता है। मौजूदा श्रेणीबद्ध डेटा क्लस्टरिंग, यूक्लिडियन दूरी जैसे स्पष्ट मीट्रिक स्पेस के अभाव के कारण सूचना हानि से ग्रस्त है। इस समस्या के समाधान हेतु, यह पत्र एक नवीन क्रमिक दूरी मीट्रिक प्रस्तावित करता है जो श्रेणीबद्ध विशेषता मानों के बीच इष्टतम क्रमिक संबंध सीखता है और संख्यात्मक विशेषता के समान, एक सीधी रेखा के अनुदिश दूरी को मापता है। श्रेणीबद्ध डेटा की अस्पष्ट और अस्पष्ट प्रकृति को ध्यान में रखते हुए, हम एक नया संयुक्त शिक्षण प्रतिमान विकसित करते हैं जो क्लस्टरिंग और क्रमिक दूरी मीट्रिक शिक्षण दोनों को एक साथ निष्पादित करता है। यह विधि कम कम्प्यूटेशनल जटिलता, गारंटीकृत अभिसरण का दावा करती है, और श्रेणीबद्ध तथा मिश्रित डेटासेट पर उत्कृष्ट क्लस्टरिंग सटीकता प्राप्त करती है। इसके अलावा, सीखी गई क्रमिक दूरी मीट्रिक गैर-सहज श्रेणीबद्ध डेटा की समझ और प्रबंधन को सुगम बनाती है। प्रायोगिक परिणाम प्रस्तावित विधि की प्रभावशीलता को प्रदर्शित करते हैं, और स्रोत कोड भी सार्वजनिक रूप से उपलब्ध है।
