$k$均值算法的理论分析
Theoretical Analysis of the $k$-Means Algorithm - A Survey
University of Paderborn（帕德博恩大学）；Simon Fraser University（西蒙弗雷泽大学）；Carnegie Mellon University（卡内基梅隆大学）；TU Dortmund University（多特蒙德工业大学）
摘要：
$k$ -均值算法是应用最广泛的聚类算法之一。尽管它很简单，但分析它的运行时间和近似质量是非常困难的，并且可以导致可用于改进算法的深刻见解。在本文中，我们调查最近的结果在这个方向上，以及几个扩展的基本$k$ -手段的方法。
英文摘要：
The $k$-means algorithm is one of the most widely used clustering heuristics. Despite its simplicity, analyzing its running time and quality of approximation is surprisingly difficult and can lead to deep insights that can be used to improve the algorithm. In this paper we survey the recent results in this direction as well as several extension of the basic $k$-means method.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
