FPT Approximation for Constrained Metric $k$-Median/Means
度量$k$-度量空间$(\mathcal{X}, d)$上的中值问题定义如下:给定设施位置的集合$L \subseteq \mathcal{X}$和客户端的集合$C \subseteq \mathcal{X}$,打开$k$设施的集合$F \subseteq L$,使得定义为$Φ(F, C) \equiv \sum_{x \in C} \min_{f \in F} d(x, f)$的总服务成本最小化。度量$k$-均值问题的定义类似于使用平方距离。在许多应用中,存在任何解决方案需要满足的附加约束。这就产生了不同的约束版本的问题,如$r$-收集,容错,离群$k$-手段/$k$-中位数问题。令人惊讶的是,对于许多这些约束问题,没有常数近似算法是已知的。我们给FPT算法与常数近似保证一系列约束$k$-中位数/均值问题。对于某些约束问题,我们是第一个常数因子近似算法,而对于其他人,我们改进或匹配以前的作品的近似保证。我们工作的统一框架内丁和徐,使我们能够同时获得算法的一系列约束问题。特别地,我们分别得到了FPT时间下约束形式的$k$-中值和$k$-均值问题的$(3+\varepsilon)$-近似和$(9+\varepsilon)$-近似.在$k$-中位数/均值问题的许多实际设置中,允许在任何客户端位置打开设施,即,PDMATHAMV。对于这种特殊情况,我们的算法在FPT时间内分别给出了约束形…
2020-07-23 cs.DS
K-Medians, Facility Location, and the Chernoff-Wald Bound
本文给出了求解k-中位数和设施选址问题的近似算法。对于k中位数,该算法返回一个最多使用ln(n+n/n)k中位数的解,其成本最多为使用最多k中位数的最佳解的成本的(1+ n)倍。在这里,n> 0是算法的输入。相比之下,以前最好的算法(Jyh-Han Lin和Jeff Vitter,1992)在性能保证中具有(1+1/n)ln(n)项,而不是ln(n+n/n)项。对于设施选址,如果存在成本d+k的解,则该算法返回至多d+ln(n)k的成本解,其中d是分配成本,k是设施成本。相比之下,以前最好的算法(Dorit Hochbaum,1982)返回的解决方案的成本最多为ln(n)(d+k)。对于这两个问题,算法目前提供了最好的性能保证已知的一般(非度量)的问题。本文还介绍了一个新的概率界(称为“Boff-Wald界”)的期望的最大值的随机变量的集合的总和,当每个总和包含一个随机数的条款。的界限是用来分析的随机舍入方案的基础算法。
2005-04-08 cs.DM cs.DS
Better Guarantees for k-Means and Euclidean k-Median by Primal-Dual Algorithms
聚类是使用$k$进行优化的经典主题-意味着是最基本的此类问题之一。在对输入没有任何限制的情况下,具有可证明保证的用于$k$ -均值的最佳已知算法是产生$9+ε$的近似保证的简单局部搜索启发式,已知相对于这样的方法是紧的比率。我们克服了这个障碍,提出了一个新的原始-对偶方法,使我们能够(1)利用几何结构的$k$ -手段和(2)满足硬约束,最多$k$集群被选中,而不会恶化的近似保证。我们的主要结果是关于标准LP松弛的$6.357$ -近似算法。我们的技术是相当普遍的,我们也显示了改进的一般版本的$k$的保证-意味着其中的基本度量是不需要的欧几里德和$k$ -中位数在欧几里德度量。
2017-04-10 cs.DS
Facility Location and $k$-Median with Fair Outliers
针对经典聚类问题无约束移除异常点易引发群体公平性问题,本文提出带公平异常点的设施选址与$k$-中位数问题的双准则近似算法,证明其W[1]难性,并通过实验验证公平性带来的成本增加可忽略。
2025-08-04 cs.DS
Achieving anonymity via weak lower bound constraints for k-median and k-means
研究了具有下界的$k$ -聚类问题,包括具有下界的$k$ -中值和$k$ -均值聚类问题.除了点集$P$和中心数$k$之外,具有(均匀)下界的$k$聚类问题还得到一个数$B$。解空间被限制为每个簇至少具有$B$点的聚类。我们演示了如何近似$k$ -中位数通过减少到设施的位置与下限,其中$O(1)$ -近似算法是已知的。然后,我们提出了一个新的约束聚类问题的下限,我们允许点被分配多次(不同的中心)。这意味着对于每个点,聚类指定了一组中心,将其分配给这些中心。我们称之为弱下界聚类。我们给出了具有弱下界的$k$ -中值聚类的$(6.5+ε)$ -近似和具有弱下界的$k$ -均值聚类的$O(1)$ -近似.我们的结论是,在近似因子不断增加时,我们可以限制每个点到$2$的赋值次数(或者,如果我们允许分数赋值,到$1+ε$)。这也导致了第一个双判据近似算法的$k$ -意味着(标准)的下限,其中双判据被解释的意义上说,下限被违反了一个常数因子。本文中的所有算法在$n$和$k$(以及考虑的欧几里得变体的$d$)中的多项式时间内运行。
2021-08-17 cs.DS
Constant-Factor Approximation for Ordered k-Median
我们研究了有序k-Median问题,在该问题中,首先对客户端连接成本进行排序,然后将其与预定义的非递增权重向量相乘(连接成本越高,权重越大)来评估解决方案。自20世纪90年代以来,这个问题在离散优化和运筹学领域得到了广泛的研究,并作为一个框架出现,统一了许多基本的聚类和定位问题,如k-Median和k-Center。然而,这种一般性,使问题有趣的算法的角度来看,获得非平凡的近似算法是一个开放的问题,即使是简单的拓扑结构,如树。最近,Aouad和Segev能够获得一个O(log n)近似算法的有序k-中位数使用一个复杂的本地搜索方法和代理模型的概念,从而扩展了塔米尔(2001年)的矩形权重向量的情况下,也被称为k-设施p-Centrum的结果。本文提出了一种求解有序k-Median问题的LP舍入常数因子近似算法。我们首先提供了Charikar和Li(2012)对k-Median的舍入过程的新分析,当应用于通过求解非度量截断成本向量上的LP松弛获得的分数解时,导致矩形情况下的优雅15近似。然后,我们表明,一个简单的重量桶可以适用于一般情况下,导致O(log n)矩形,因此在一个常数因子近似准多项式时间。最后,我们表明,也聪明的距离桶Aouad和Segev可以结合我们的LP舍入的矩形情况下的客观遗忘版本,它会导致一个真正的,多项式时间,常数因子近似算法。
2018-02-28 cs.DS
Constant Approximation for $k$-Median and $k$-Means with Outliers via Iterative Rounding
在本文中,我们提出了一个新的迭代舍入框架,许多聚类问题。利用这一点,我们获得了具有离群值的$k$ -中位数的$(α_1 + ε\leq 7.081 + ε)$ -近似算法,大大改善了Chen的大隐式常数近似比[Chen,SODA 2018]。对于具有离群值的$k$ -均值,我们给出了一个$(α_2+ε\leq 53.002 + ε)$ -近似,这是该问题的第一个$O(1)$ -近似.迭代算法框架是非常通用的;我们展示了如何使用它来分别给出拟阵和背包中值问题的$α_1$和$(α_1 + ε)$近似算法,改进了$8$ [Swamy,ACM Trans. Algorithms]和$17.46$ [Byrka et al,ESA 2015]之前的最佳近似比。自然LP松弛的$k$ -中位数/ $k$ -平均值与离群值问题有一个无界的完整性差距。尽管这个负面的结果,我们的迭代舍入框架表明,我们可以轮LP解决方案的几乎整数的解决方案的小成本,其中我们最多有两个分数开设施。因此,LP完整性缺口是由于几乎积分解和完全积分解之间的缺口而产生的。然后,使用一个预处理程序,我们展示了如何将一个几乎完整的解决方案,一个完全完整的解决方案,只失去一个常数因子的近似比。通过进一步使用稀疏化技术,由转换引起的附加因子损失可以减少到任何$ε> 0$。
2018-04-06 cs.DS
Near-optimal Algorithms for Explainable k-Medians and k-Means
Northwsestern University(西北大学)
我们考虑了Dasgupta,Frost,Moshkovitz,and Rashtchian~(ICML 2020)提出的可解释的$k$ -中位数和$k$ -均值问题.在这个问题中,我们的目标是找到一个阈值决策树,该决策树将数据划分为$k$簇,并最小化$k$ -中位数或$k$ -均值目标。所获得的聚类很容易解释,因为阈值树的每个决策节点将基于单个特征的数据分成两组。我们提出了一个新的算法,这是$\tilde O(\log k)$竞争与$k$ -中位数与$\ell_1$规范和$\tilde O(k)$竞争与$k$ -手段。这是对Dasgupta et al(2020)先前$O(k)$和$O(k^2)$保证的改进。我们还提供了一个新的算法,这是$O(\log^{3/2} k)$竞争的$k$ -中位数与$\ell_2$规范。我们的第一个算法是接近最优的:Dasgupta等人(2020)证明了$k$ -中位数的$Ω(\log k)$的下界;在这项工作中,我们证明了$k$ -均值的$\tildeΩ(k)$的下界。我们还提供了一个下限的$Ω(\log k)$的$k$ -中位数与$\ell_2$规范。
2021-08-02 cs.DS cs.LG
Approximation Schemes for Clustering with Outliers
聚类问题在数据科学、运筹学和计算机科学等领域都得到了很好的研究。这些问题包括中心位置问题的变体,$k$ -中位数和$k$ -均值,仅举几例。在某些情况下,并非所有数据点都需要聚类;有些数据点可能会因各种原因而被丢弃。我们研究离群点的聚类问题。更具体地说,我们查看无容量限制设施点位置(UFL)、$k$ -中位数和$k$ -均值。在具有离群值的UFL中,我们必须开放一些中心,丢弃$\cal X$的$z$点,并将每隔一个点分配给最近的开放中心,使总分配成本加上中心开放成本最小化。在$k$ -中位数和$k$ -平均值中,我们必须向$k$中心开放,但没有开放成本。在$k$ -Means中,将$j$分配给$i$的开销为$δ^2(j,i)$。我们提出了几个结果。我们的主要重点是$δ$是一个加倍度量或最短路径度量的图从一个小的封闭的图形家庭的情况下。对于均匀成本UFL与离群值等指标,我们表明,一个简单的多窗口本地搜索启发式产生PTAS。随着更多的工作,我们扩展到双准则近似的$k$ -中位数和$k$ -意味着问题在相同的指标,对于任何恒定的$ε> 0$,我们可以找到一个解决方案,使用$(1+ε)k$中心的成本是最多的$(1+ε)$ -因素的最佳和使用最多$z$离群值。我们还表明,自然的本地搜索算法,不违反$k$ -中位数(或$k$ -手段)的集群和离群值的数量将有无界的差距,即使在欧几里德度量。此外…
2017-07-13 cs.DS
An optimal quantum algorithm to approximate the mean and its application for approximating the median of a set of points over an arbitrary distance
我们描述了两个量子算法来近似黑箱函数的平均值。第一个算法是新颖的,渐近最优的,而第二个是一个早期的算法由于Aharonov的变化。这两种算法都有自己的优势和警告,可能在不同的环境中相关。然后,我们提出了一个新的算法,用于近似一组任意距离函数的点的中值。
2011-06-21 cs.DS quant-ph
An improved approximation algorithm for k-Median
University of California, Riverside(加州大学河滨分校)
针对(非度量)$k$-Median问题提出多项式时间近似算法,实现$α<1+2\rm{ln}(n/k)$的$α$-规模近似,在常数因子2内匹配无权重集合覆盖的经典界,运行时间为$O(km\rm{log}(n/k)\rm{log}m)$。
2025-11-15 cs.DS
Local search yields approximation schemes for k-means and k-median in Euclidean and minor-free metrics
本文对以下问题给出了第一多项式时间近似方案(PTAS):(1)边权平面图中的一致设施定位问题;(2)边权平面图中的$k$ -中值和$k$ -均值问题;(3)有界维数欧氏空间中的$k$ -均值问题.我们的第一个和第二个结果扩展到小闭图族。我们所有的结果扩展到成本函数是最短路径距离的$p$次幂。该算法是局部搜索,其中解$S$的局部邻域由通过去除和添加$1/ε^{O(1)}$中心从$S$获得的所有解组成。
2016-04-07 cs.CG cs.DS
Greedy bi-criteria approximations for $k$-medians and $k$-means
Columbia University(哥伦比亚大学);University of Michigan(密歇根大学)
本文研究了以下自然的贪婪过程中的双标准设置的聚类:迭代地增长一组中心,在每一轮添加的中心从候选集,最大限度地降低聚类成本。在$k$ -median和$k$ -means的情况下,关键结果如下。$\bullet$当该方法将所有数据点视为候选中心时,则选择$\mathcal{O}(k\log(1/\varepsilon))$中心实现的成本最多是$k$中心的最优成本的$2+\varepsilon$倍。$\bullet$可替代地,如果每一轮对$\mathcal{O}(k/\varepsilon^5)$候选中心的采样与它们的聚类成本成比例(与$\texttt{kmeans++}$一样,但是保持中心固定),则相同的保证成立。$\bullet$在$k$ -均值的情况下,考虑$n^{\lceil1/\varepsilon\rceil}$候选中心的扩充集合,给出具有$\mathcal{O}(k\log(1/\varepsilon))$中心的$1+\varepsilon$近似,整个算法花费$\mathcal{O}(dk\log(1/\varepsilon)n^{1+\lceil1/\varepsilon\rceil})$时间,其中$n$是$\mathbb{R}^d$中的数据点的数量。在欧几里德$k$ -中位数的情况下,通过具有自适应确定的约束集的随机梯度下降的$n^{\mathcal{O}(1/\va…
2016-07-21 cs.DS cs.LG
Performance of Johnson-Lindenstrauss Transform for k-Means and k-Medians Clustering
Northwestern University(西北大学);TTIC(丰田工业大学芝加哥分校);Microsoft Research(微软研究院)
考虑欧几里得$k$ -均值或$k$ -中位数聚类的实例。我们发现,最优解的成本被保存到一个随机$O(\log(k / \varepsilon) / \varepsilon^2)$维子空间的投影下的$(1+\varepsilon)$的一个因素。此外,在$(1+\varepsilon)$内保留每个聚类的成本。更一般地说,我们的结果适用于任何降维映射满足一个温和的次高斯尾条件。我们对维度的限制几乎是最优的。此外,我们的结果适用于欧几里德$k$ -聚类的距离提高到$p$的权力,任何常数$p$。对于$k$ -均值,我们的结果解决了Cohen,Elder,Musco,Musco,and Persu(STOC 2015)提出的一个开放问题;对于$k$ -中位数,它回答了Kannan提出的一个问题。
2020-04-08 cs.DS cs.LG
Strong Coresets for k-Median and Subspace Approximation: Goodbye Dimension
我们得到的第一个强coresets的$k$ -中位数和子空间逼近问题的距离目标函数的总和,$n$点在$d$维度,与一些加权点,是独立的$n$和$d$,即我们的coresets有大小$\text{poly}(k/ε)$。强核心集$(1+ε)$ -同时逼近所有可能的中心集的代价函数。我们也给出了有效的$\text{nnz}(A) + (n+d)\text{poly}(k/ε) + \exp(\text{poly}(k/ε))$时间算法计算这些coreset。我们得到的结果,通过引入一个新的降维技术的coresets显着推广早期的结果费尔德曼,Sohler和施密特\cite{FSS13}平方欧几里德距离的总和$p$ -次幂的欧几里德距离常数$p\ge1$。
2022-04-14 cs.DS
Non-Local Euclidean Medians
Princeton University(普林斯顿大学)
在这封信中,我们注意到非局部均值(NLM)在大噪声水平下的去噪性能可以通过用欧几里得中值代替均值来提高。我们称这种新的去噪算法为非局部欧氏中位数(NLEM)。NLEM的核心是观察到中位数比平均值对离群值更稳健。特别是,我们提供了一个简单的几何见解,解释了为什么NLEM在边缘附近,特别是在大噪声水平下,比NLM表现更好。NLEM可以有效地实现使用迭代重加权最小二乘,其计算复杂性是相当的NLM。我们提供了一些初步的结果来研究所提出的算法,并将其与NLM。
2012-08-24 cs.CV cs.DS
Coresets for constrained k-median and k-means clustering in low dimensional Euclidean space
University of Cologne(科隆大学)
我们研究(欧几里德)$k$ -中位数和$k$ -意味着在流模型的约束。最近,人们努力设计统一的算法来解决约束$k$ -均值问题,而不使用手头的特定约束的知识,除了温和的假设,如约束下的可行性的多项式可计算性(计算聚类是否满足约束)或存在有效的赋值oracle(给定一组中心,产生满足约束的点到中心的最优分配)。这些算法在$k$中具有运行时间指数,但可以应用于广泛的约束。我们证明了2019年提出的一种用于解决特定约束流$k$ -均值问题的技术,即公平的$k$ -均值聚类,实际上意味着所有这些约束的流算法。这些工作低维欧氏空间。[Note有更多的算法用于流传输公平的$k$ -意味着今天,特别是它们现在也存在于高维空间。
2021-06-14 cs.DS cs.LG
Streaming Euclidean $k$-median and $k$-means with $o(\log n)$ Space
本研究突破了流式欧几里得$k$-中位数、$k$-均值聚类需$\Omega(\log(n\Delta))$内存的对数壁垒,提出了低内存的仅插入式$(k,z)$-聚类近似算法及动态流两遍聚类算法。
2023-10-04 cs.DS
Faster and Simpler Greedy Algorithm for $k$-Median and $k$-Means
Max Dupré la Tour(独立研究者);David Saulpic(独立研究者)
研究k-中位数和k-均值聚类问题,对Mettu和Plaxton的递归贪心算法进行简化,使其实现更快,在图度量或欧几里得空间中达到或改进现有技术水平。
2026-07-09 cs.AI cs.DS
Hardness of Approximation of Euclidean $k$-Median
Indian Statistical Institute Kolkata(印度统计学院加尔各答);Indian Institute of Technology Delhi(印度理工学院德里分校)
欧几里德$k$ -中位数问题定义如下:给定$\mathbb{R}^{d}$中的$n$点的集合$\mathcal{X}$和整数$k$,找到$k$点(称为中心)的集合$C \subset \mathbb{R}^{d}$,使得成本函数$Φ(C,\mathcal{X}) \equiv \sum_{x \in \mathcal{X}} \min_{c \in C} \|x-c\|_{2}$最小化。欧几里得$k$ -均值问题的定义类似于用代价函数中的平方距离代替距离。已知欧几里得$k$ -均值问题的各种近似结果的困难度。然而,对于欧几里得$k$ -中值问题,没有已知的近似结果的硬度。在唯一对策猜想(UGC)的假设下,给出了欧氏$k$ -中值问题近似结果的第一难性.此外,我们研究的硬度近似的欧几里得$k$ -手段/ $k$ -中位数的问题,在双标准设置的算法是允许选择多个$k$中心。也就是说,允许双标准近似算法输出$βk$中心(对于常数$β>1$),并且相对于最佳$k$ -均值/ $k$ -中值成本计算近似比。在此设置中,我们显示了第一个硬度的近似结果的欧几里德$k$ -中位数问题的任何$β< 1.015$,假设UGC。我们还显示了一个类似的双准则硬度的近似结果的欧几里德$k$ -手段问题的$β< 1.28$,再次假设UGC的更强的界。
2020-11-09 cs.CC cs.CG cs.DS
Improved Approximations for Euclidean $k$-means and $k$-median, via Nested Quasi-Independent Sets
Google Research(谷歌研究院);Massachusetts Institute of Technology(麻省理工学院)
受数据分析和机器学习应用的启发,我们考虑了流行的高维欧氏$k$ -中位数和$k$ -均值问题。我们提出了一个新的原始-对偶算法,灵感来自经典算法的Jain和Vazirani和最近的算法的Ahmadian,Norouzi-Fard,Svensson,和沃德。我们的算法实现了$2.406$和$5.912$的近似比为欧几里德$k$ -中位数和$k$ -均值,分别提高了Ahmadian等人的2.633近似比和Grandoni,Ostrovsky,Rabani,Schulman和Venkat的6.1291近似比。我们的技术涉及更强的利用欧几里德度量比以前的工作欧几里德聚类。此外,我们引入了一个新的方法,去除多余的中心使用的一个变种的独立集的图,我们称之为“嵌套的准独立集“。反过来,这种技术可能是在欧几里德和$\ell_p$度量空间的其他优化问题的兴趣。
2022-04-12 cs.CG cs.DS cs.LG
Explainable $k$-Means and $k$-Medians Clustering
University of California San Diego(加利福尼亚大学圣地亚哥分校);Tel Aviv University(特拉维夫大学)
聚类是几何数据无监督学习的一种流行形式。不幸的是,许多聚类算法导致难以解释的聚类分配,部分原因是它们以复杂的方式依赖于数据的所有特征。为了提高可解释性,我们考虑使用一个小的决策树的数据集划分成集群,使集群可以在一个简单的方式来描述。我们研究这个问题,从理论的角度来看,衡量集群质量的$k$ -手段和$k$ -中位数的目标:必须存在一个树引起的聚类的成本是最好的无约束聚类,如果是这样,它是如何被发现的?在负面的结果,我们表明,第一,流行的自上而下的决策树算法可能会导致聚类与任意大的成本,第二,任何树引起的聚类必须在一般情况下产生一个$Ω(\log k)$近似因子相比,最佳聚类。在积极的一面,我们设计了一个有效的算法,使用树与$k$叶产生可解释的集群。对于两个平均值/中位数,我们表明,一个单一的阈值切割足以实现一个常数因子近似,我们给出了几乎匹配的下限。对于一般的$k \geq 2$,我们的算法是一个$O(k)$近似的最佳$k$ -中位数和$O(k^2)$近似的最佳$k$ -手段。在我们的工作之前,没有已知的算法具有独立于维度和输入大小的可证明保证。
2020-09-22 cs.CG cs.DS cs.LG
Accurate MapReduce Algorithms for $k$-median and $k$-means in General Metric Spaces
基于中心的聚类是数据分析的基础,对于大型数据集来说变得非常具有挑战性。在本文中,我们专注于流行的$k$ -中位数和$k$ -意味着变种,给定一组$P$的点从度量空间和一个参数$k<|P|$,需要确定一组$S$的$k$中心最小化,分别是距离和距离的平方和的总和,所有点在$P$从他们最近的中心。我们的具体重点是一般的度量空间,这是合理的,要求中心属于输入集(即,$S \subseteq P$)。我们提出了基于核心集的3轮分布式近似算法的上述问题使用MapReduce计算模型。该算法是相当简单的和obligantly适应的内在复杂性的数据集,捕获的双重维度$D$的度量空间。值得注意的是,该算法获得的近似比,可以任意接近那些可实现的最知名的多项式时间顺序近似,他们是非常小的空间效率为$D$,需要本地存储器的大小基本上是次线性的输入大小。据我们所知,没有以前的分布式方法能够在一般度量空间中获得类似的质量性能保证。
2019-09-29 cs.DC cs.DS
Towards Optimal Lower Bounds for k-median and k-means Coresets
Google Research(谷歌研究院);Aarhus University(奥胡斯大学);Sorbonne Université(索邦大学)
给定度量空间中的一组点,$(k,z)$聚类问题包括找到一组称为中心的$k$点,使得每个数据点到其最近中心的距离之和最小化为$z$的幂。特殊情况包括著名的k-中位数问题($z = 1$)和k-均值问题($z = 2$)。$k$ -中位数和$k$ -均值问题是现代数据分析的核心,海量数据应用已经提出了coreset的概念:输入点集的一个小(加权)子集,保留问题的任何解决方案的成本,直到乘法$(1 \pm \varepsilon)$因子,从而从大到小减少问题的输入。在本文中,我们提出了各种度量空间中的coreset的改进的下界。在有限度量组成的$n$点和加倍度量与加倍常数$D$,我们表明,任何coreset的$(k,z)$聚类必须至少包括$Ω(k \varepsilon^{-2} \log n)$和$Ω(k \varepsilon^{-2} D)$点,分别。这两个边界都与先前的上限匹配,直到polylog因子。在欧氏空间中,我们证明了$(k,z)$聚类的任何核心集必须至少由$Ω(k\varepsilon^{-2})$点组成。我们补充这些下限与coreset建设组成的最多$\tilde{O}(k\varepsilon^{-2}\cdot \min(\varepsilon^{-z},k))$点。
2022-02-25 cs.CG cs.DS cs.LG
Fast Exact k-Means, k-Medians and Bregman Divergence Clustering in 1D
Aarhus University(奥胡斯大学);University of California, San Diego(加利福尼亚大学圣地亚哥分校);New Mexico State University(新墨西哥州立大学)
$n$点上的$k$ -均值聚类问题对于任何维数$d\ge 2$都是NP难的,然而,对于1D情况存在精确的多项式时间算法。以前的文献报道了使用$O(kn)$空间的$O(kn^2)$时间动态规划算法。事实证明,这个问题在20多年前就已经以不同的名称被考虑过了。我们提出了所有被忽视的现有工作,并从理论上比较各种解决方案。此外,我们展示了如何减少其中一些的空间使用,以及将它们推广到可以快速报告任何$k$的最佳$k$均值聚类的数据结构。最后,我们还推广了所有的算法工作的绝对距离和工作的任何布雷格曼分歧。我们补充我们的理论贡献的实验,比较各种算法的实际性能。
2018-04-25 cs.AI cs.DS cs.LG
Distributed $k$-Clustering for Data with Heavy Noise
University at Buffalo(布法罗大学)
在本文中,我们考虑$k$ -中心/中位数/均值聚类与离群值问题(或$(k, z)$ -中心/中位数/均值问题)在分布式设置。大多数以前的分布式算法的通信成本线性依赖于$z$,离群值的数量。最近,Guha等人通过考虑输出具有$2z$离群值的解的双准则近似算法克服了这种依赖性问题。对于其中$z$较大的情况,考虑到数据收集过程可能是昂贵的,由算法丢弃的额外的$z$离群值可能太大。在本文中,我们改进的离群值的数量,以最好的可能$(1+ε)z$,同时保持$O(1)$ -近似比和独立的通信成本$z$。我们考虑的问题包括$(k, z)$ -中心问题,和$(k, z)$ -中位数/均值问题的欧几里德度量。实施我们的算法$(k, z)$ -中心表明,它优于许多以前的算法,无论是在通信成本和质量的输出解决方案。
2018-11-29 cs.DC cs.DS cs.LG
Fault Tolerant Clustering Revisited
在离散k-中心和k-中值聚类中,我们给定度量空间M中的一组点P,任务是输出一组C \subseteq?P,|C| = k,使得使用C聚类P的成本尽可能小。对于k-center,成本是点到最近中心的最远距离,而对于k-median,成本是所有点到最近中心距离的总和。在这些问题的容错版本,我们给出了一个额外的参数1?\leq \ell \leq?k,使得当计算聚类成本时,点被分配给C中它们的第\ell最近邻居,而不是它们的最近邻居。我们为这些问题提供了常数因子近似算法,从实现的角度来看,这些算法在概念上是简单的,并且非常实用。
2013-07-09 cs.CG cs.DS
Near-Linear Time Approximation Schemes for Clustering in Doubling Metrics
本文研究了双维度量空间$d$中的经典设施选址、$k$ -Median和$k$ -Means问题。我们给每个问题的近线性时间近似方案。我们的算法的复杂性是$2^{(\log(1/\eps)/\eps)^{O(d^2)}} n \log^4 n + 2^{O(d)} n \log^9 n$,使一个显着的改进,在时间上运行的最先进的算法$n^{(d/\eps)^{O(d)}}$。此外,我们展示了如何扩展的技术,用于获得第一个有效的近似方案的问题,奖金收集$k$ -中位数和$k$ -手段,和有效的双准则近似方案$k$ -中位数与离群值,$k$ -均值与离群值和$k$ -中心。
2020-05-20 cs.CG cs.DS
Johnson Coverage Hypothesis: Inapproximability of k-means and k-median in L_p metrics
Google Research(谷歌研究院);Rutgers University(罗格斯大学);University of Michigan(密歇根大学)
K-median和k-means是聚类算法中最常用的两个目标。尽管密集的努力,很好地理解这些目标的近似性,特别是在$\ell_p$ -指标,仍然是一个主要的开放问题。在本文中,我们显着改善后,在文献中已知的这些目标在$\ell_p$度量的近似因子的硬度。我们引入了一个新的假设称为约翰逊覆盖假设(JCH),它大致断言,充分研究的最大k-覆盖问题的集合系统是很难接近的一个因子大于1-1/e,即使当集合系统的隶属度图是一个子图的约翰逊图。然后,我们表明,与推广的嵌入技术介绍的Cohen-Addad和Karthik(FOCS '19),JCH意味着硬度的近似结果的k-中位数和k-均值在$\ell_p$ -度量的因素,接近一般度量。特别地,假设JCH,我们表明很难近似k均值目标:$\bullet$离散情况:在$\ell_1$度量中为3.94的因子,在$\ell_2$度量中为1.73的因子;这分别改进了UGC下获得的先前因子1.56和1.17。$\bullet$连续病例:在$\ell_1$度量中为2.10倍,在$\ell_2$度量中为1.36倍;这改进了在UGC下获得的$\ell_2$度量中的先前1.07倍。我们还获得了类似的改进JCH下的k-中位数的目标。此外,我们使用Dinur等人的工作证明了JCH的一个弱版本。(SICOMP '05)超图顶点覆盖,并恢复Cohen-Addad和Karth…
2021-11-21 cs.CC cs.CG cs.DS
Impossibility of Depth Reduction in Explainable Clustering
Rutgers University(罗格斯大学)
该研究证明了在可解释聚类中,减少决策树深度会导致k-均值和k-中位数成本的无界损失,且扩展至k-中心目标。
2026-03-02 cs.CC cs.CG cs.DS
Improved Approximation Algorithms for Individually Fair Clustering
Toyota Technological Institute at Chicago(芝加哥丰田技术研究所);Technical University of Dortmund(多特蒙德工业大学)
我们考虑具有$\ell_p$ -范数成本的$k$ -聚类问题,其中包括$k$ -中位数,$k$ -均值和$k$ -中心,在Jung等人提出的公平性概念下。[2020]:给定一组大小为$n$的点$P$,如果$P$中的每个点在其$n/k$最近邻居中都有一个中心,则一组$k$中心会导致公平聚类。Mahabadi和Vakilian [2020]提出了一种用于公平聚类的$(p^{O(p)},7)$ -双准则近似,具有$\ell_p$ -范数成本:每个点在最多$7$乘以其到其$(n/k)$ -第最近邻居的距离的距离内找到一个中心,并且解决方案的$\ell_p$ -范数成本至多是最佳公平解决方案的成本的$p^{O(p)}$倍。在这项工作中,对于任何$\varepsilon>0$,我们提出了一个改进的$(16^p +\varepsilon,3)$ -双标准这个问题。此外,对于$p=1$($k$ -中位数)和$p=\infty$($k$ -中心),我们分别提出了改进的成本近似因子$7.081+\varepsilon$和$3+\varepsilon$。为了实现我们的保证,我们扩展了[Charikar等人,2002,Swamy,2016],并设计了拟阵约束下具有$\ell_p$ -范数成本的设施选址的$16^p$ -近似算法。此外,我们的方法建议从我们的个体公平聚类减少到Kleindessner等人提出…
2022-03-01 cs.AI cs.CY cs.DS