Fast approximate $\ell$-center clustering in high dimensional spaces
University of Warsaw(华沙大学);Lund University(隆德大学)
本文提出了一种在高维空间中快速近似ℓ-中心聚类的算法,通过随机降维技术提升了效率,并改进了处理异常值的近似方法。
2025-12-02 cs.DS
Fair Clustering with Multiple Colors
一个公平的聚类实例被赋予一个数据集$A$,其中每个点都被分配了一些颜色。颜色对应于各种受保护的属性,如性别、种族或年龄。公平聚类是其中聚类中的点的成员资格与点的着色无关的实例。特别令人感兴趣的是所有颜色都被平等表示的情况。如果我们正好有两种颜色,Chierrichetti,Kumar,Lattanzi和Vassilvitskii(NIPS 2017)表明,各种$k$聚类目标允许常数因子近似。从那时起,一些后续工作试图将这一结果扩展到多色的情况下,虽然到目前为止,唯一已知的结果要么导致非常数因子近似,仅适用于特殊的聚类目标,如$k$ -中心,产量bicriteria近似,或要求$k$是恒定的。在本文中,我们提出了一个简单的减少从无约束的$k$ -聚类公平的$k$ -聚类的大范围的聚类目标,包括$k$ -中位数,$k$ -手段,和$k$ -中心。减少损失只有一个常数因子的近似保证,标志着第一个真正的常数因子近似的许多这些问题。
2021-03-05 cs.DS
An FPT Constant-Factor Approximation Algorithm for Correlation Clustering
针对一般图上的相关性聚类问题,提出首个以移除顶点数k为参数的FPT常数因子近似算法,时间复杂度为2^{O(k^3)}·poly(n)。
2025-03-01 cs.DS
Near Optimal LP Rounding Algorithm for Correlation Clustering on Complete and Complete k-partite Graphs
我们给新的舍入方案的标准线性规划放松的相关聚类问题,实现近似因子几乎匹配的完整性差距:-对于完整的图形,我们的appoximation是$2.06 - \varepsilon$为固定常数$\varepsilon$,这几乎匹配以前已知的完整性差距$2$。- 对于完全$k$ -部图,我们的近似是$3$ .我们还显示了匹配的完整性差距。- 对于边权满足三角不等式和概率约束的完全图,我们的近似是$1.5$,并且我们证明了$1.2$的完整性缺口。我们的研究结果改进了一长串工作的近似算法的相关聚类在完全图,以前达到高潮的比率$2.5$的完整的情况下由Ailon,Charikar和纽曼(JACM'08)。在满足三角不等式和概率约束的加权完备情形中,同一作者给出了一个$2$ -近似;对于二分情形,Ailon、Avigdor-Elgrabli、Liberty和van Zuylen给出了一个$4$ -近似(SICOMP'12)。
2015-06-23 cs.DS
On the cost of essentially fair clusterings
聚类是数据采掘的一个基本工具。它将点划分为组(集群),并可用于根据其组为每个点做出决策。但是,如果聚类算法不能在所需的聚类中充分表示受保护的(少数)类,特别是如果数据已经有偏差,则此过程可能会损害这些类。在NIPS 2017上,Chierichetti等人提出了一种公平聚类模型,要求每个聚类中的表示(近似)保留每个受保护类的全局分数。限制到两个受保护的类,他们开发了公平的$k$ -中心问题的4-近似和公平的$k$ -中位数问题的$O(t)$ -近似,其中$t$是公平模型的参数。对于多个保护类,最著名的结果是公平$k$ -中心的14-近似。我们推广和改进了已知的结果。首先,我们给出了多保护类公平$k$ -中心问题的一个5-近似。其次,我们提出了一个宽松的公平性的概念下,我们可以给所有的经典聚类目标$k$ -中心,$k$ -供应商,$k$ -中位数,$k$ -手段和设施位置的双准则常数因子近似。后者的近似值是通过一个框架来实现的,该框架采用任意现有的不公平(积分)解决方案和公平(分数)LP解决方案,并将它们组合成具有弱监督舍入方案的基本公平的聚类。通过这种方式,在中心已经固定的情况下,可以延迟地建立公平的聚类。
2018-11-26 cs.DS
Approximation Algorithms for Bregman Co-clustering and Tensor Clustering
MPI for Biological Cybernetics(马克斯·普朗克生物控制论研究所);Univ. of Minnesota(明尼苏达大学)
在过去的几年中,已经对欧几里德k均值问题进行了强有力的推广,例如Bregman聚类[7],共聚类(即,输入矩阵的行和列的同时聚类)[9,18]和张量聚类[8,34]。与k均值算法一样,这些更一般的问题也受到相关优化的NP难度的影响。研究人员已经开发了各种复杂程度的近似算法,用于k均值、k中位数,最近还用于Bregman聚类[2]。然而,似乎没有近似算法布雷格曼共和张量聚类。在本文中,我们得出的第一个(据我们所知)保证这些日益重要的聚类设置的方法。超越Bregman分歧,我们还证明了张量聚类与任意可分离度量的近似因子。通过大量的实验,我们评估我们的方法的特点,并表明它也有实际的影响。
2009-11-09 cs.DS cs.LG
Improved Approximation Algorithms for Chromatic and Pseudometric-Weighted Correlation Clustering
Department of Computer Science and Engineering, Seoul National University(首尔大学计算机科学与工程系);Department of Mathematical Sciences, Seoul National University(首尔大学数学科学系);Computer Science and Engineering Division, University of Michigan(密歇根大学计算机科学工程分部)
本文针对伪度量加权相关聚类和色度相关聚类,利用基于LP的枢轴技术与专门舍入函数,分别得到紧的10/3近似算法和将近似比从2.5改进到2.15的算法,并证明2.11的下界。
2025-09-22 cs.DS
Hierarchical Clustering via Sketches and Hierarchical Correlation Clustering
最近,层次聚类(HC)已被认为是通过优化的镜头。特别是,已经定义了两个最大化目标。Moseley和Wang定义了\emph{Revenue}目标来处理由数据点上的加权图给出的相似性信息(w.l.o.g.,$[0,1]$权重),而Cohen-Addad等人定义了\emph{Dissimilarity}目标来处理相异性信息。在本文中,我们证明了这两个目标的结构引理,使我们能够将任何HC树的内部节点数恒定的树,而在每个目标中产生任意小的损失。虽然最著名的近似值分别是0.585和0.667,但使用我们的引理,如果不是所有权重都很小(即,存在常数$ε, δ$,使得小于$δ$的权重的分数至多为$1 - ε$);这样的实例包括许多基于度量的相似性实例,从而改进了现有工作。最后,我们引入层次相关聚类(HCC)来处理同时包含相似性和相异性信息的实例。对于HCC,我们提供了近似值0.4767,对于互补相似性/相异性权重(类似于$+/-$相关性聚类),我们再次提出了接近最佳的近似值。
2021-01-26 cs.DS
Approximate Hierarchical Clustering via Sparsest Cut and Spreading Metrics
Dasgupta最近引入了一个成本函数,用于对一组点进行分层聚类,这些点之间具有成对相似性。他证明了这个函数是NP难优化的,但是基于均匀稀疏割的alpha_n-近似算法的自顶向下递归分区启发式算法给出了O(alpha_n log n)的近似值(当前最好的算法是alpha_n=O(sqrt{log n}))。我们发现,上述稀疏割启发式算法实际上获得了O(alpha_n)-近似层次聚类。该算法也适用于Dasgupta研究的广义成本函数。此外,我们得到了一个很强的不可近似性的结果,表明层次聚类目标是很难近似到任何常数因子假设的小集合扩展(SSE)假设。最后,我们讨论了基于凸松弛的近似算法。我们提出了一个扩展度量SDP松弛的问题,并表明它有完整性差距最多O(sqrt{log n})。相对于稀疏割启发式,SDP的优势在于它提供了最优解的显式下限,并且可能产生更好的分层聚类近似。事实上,我们对SDP的分析启发了我们对稀疏切割启发式的改进分析。我们还表明,一个扩展度量LP松弛给出了O(log n)-近似。
2016-09-29 cs.DS
Fairness, Semi-Supervised Learning, and More: A General Framework for Clustering with Stochastic Pairwise Constraints
Wellesley College(韦尔斯利学院);Carnegie Mellon University(卡内基梅隆大学);University of Maryland, College Park(马里兰大学帕克分校)
度量聚类是从组合优化和数据采掘到机器学习和运筹学等领域的基础。然而,在各种情况下,我们可能有额外的要求或知识,不同于底层的度量,关于哪些点对应该聚集在一起。为了捕捉和分析这样的情况下,我们引入了一个新的家庭的\emph{stochastic pairwise constraints},我们纳入几个基本的聚类目标(半径/中位数/手段)。此外,我们证明了这些约束可以简洁地建模一个有趣的应用程序集合,其中包括聚类中的\emph{Individual Fairness}和半监督学习中的\emph{Must-link}约束。我们的主要结果包括一个一般的框架,产生近似算法与可证明的保证重要的聚类目标,而在同一时间产生的解决方案,尊重随机成对约束。此外,对于某些目标,我们设计改进的结果的情况下,必须链接的约束,这也是最好的可能从理论的角度来看。最后,我们提出了实验证据,验证了我们的算法的有效性。
2021-03-02 cs.DS cs.LG
Approximating (Weighted) Chromatic Correlation Clustering via Cluster LP
University of Wrocław(弗罗茨瓦夫大学);Yonsei University(延世大学)
研究色关联聚类及加权色关联聚类问题,通过提出基于色聚类线性规划的(2+ε)近似算法,肯定回答了能否将聚类线性规划扩展到色关联聚类的问题,且算法可扩展到加权版本并给出相同近似保证。
2026-07-15 cs.DS
On Clustering with Discounts
我们研究的$k$ -中位数折扣问题,其中我们给予客户端的非负折扣,并寻求打开在最$k$设施。目标是最小化从每个客户端到其最近的开放设施的距离之和,该距离由其自己的折扣值折扣,最小贡献为零。$k$ -带折扣的中位数统一了许多经典的聚类问题,例如,$k$ -中心,$k$ -中位数,$k$ -设施$l$ -椎体等,我们得到一个双标准常数因子近似使用迭代LP舍入算法。我们的结果改进了先前的最佳近似保证$k$ -中位数折扣[Ganesh et al.,ICALP'21]。我们还设计了双标准常数因子近似算法的拟阵和背包版本的中值聚类折扣。
2021-11-18 cs.DS
Approximation Algorithms for Continuous Clustering and Facility Location Problems
我们考虑基于中心的聚类问题的近似性,其中待聚类的点位于度量空间中,并且没有指定候选中心。我们称这样的问题为“连续”,以区别于“离散”聚类,其中指定了候选中心。对于许多目标,可以将连续情况简化为离散情况,并对离散情况使用$α$ -近似算法以获得连续情况的$βα$ -近似,其中$β$取决于目标:例如,对于$k$ -中值,$β= 2$,以及对于$k$ -均值,$β= 4$。我们的动机问题是,这种差距的$β$是固有的,或者有更好的算法连续聚类比简单地减少到离散的情况下?在最近的SODA 2021论文中,Cohen-Addad、Karthik和Lee分别证明了连续$k$ -中位数和$k$-均值的因子-$2$和因子- $4$硬度,即使中心数$k$为常数。对于一个常数$k$的离散情形在多时间中是完全可解的,因此在某些情况下$β$损失似乎是不可避免的。在本文中,我们通过圆形或切割框架来实现连续聚类。对于四个连续的聚类问题,我们优于减少离散的情况下。值得注意的是,对于问题$λ$-UFL,其中$β= 2$和离散情况下具有$1.27$的硬度,我们获得连续情况下的近似比为$2.32 < 2 \times 1.27$。此外,对于连续的$k$ -手段,其中最好的已知的近似比的离散情况下是$9$,我们得到的近似比$32 < 4 \times 9$。关键的挑战是,大多数离散聚类算法,包括最先进的,依赖于线性规划,…
2022-09-01 cs.DS
Improved Combinatorial Approximations for Weighted Correlation Clustering
针对加权相关性聚类问题,提出运行时间为$O(n^2)$的随机3-近似和1.6-近似组合算法,分别改进了已有算法的运行时间与近似比。
2025-06-17 cs.DS
Socially Fair Clustering: Parameterized Approximation and Local Search
University of Michigan(密歇根大学);Toyota Technological Institute at Chicago (TTIC)(芝加哥丰田技术研究所)
针对社会公平聚类及其扩展问题,提出首个以组数为参数的常数因子FPT近似算法,分析简单局部搜索的近似比,还设计了非统一开设成本的设施选址变体近似算法。
2026-09-01 cs.DS
A Clustering Approach to Solving Large Stochastic Matching Problems
Brown University(布朗大学);University of Pittsburgh(匹兹堡大学)
在这项工作中,我们专注于解决一类随机规划问题,出现在各种商业,投资和工业应用的有效的规划。这个问题最好用未来的买卖合同来描述。通过购买不太可靠,但价格较低的购买(供应)合同,公司或交易员可以覆盖更可靠,更昂贵的销售合同。我们的目标是最大限度地提高预期的净收益(利润),通过构建一个剂量,以最佳的投资组合出可用的购买和出售合同。这个随机规划问题可以表示为一个带补偿的两阶段随机线性规划问题。然而,这种形式化导致的解决方案是指数的可能的故障组合的数量。因此,这种方法对于大规模问题是不可行的。在这项工作中,我们探讨启发式近似技术,减轻效率问题。我们主要集中在聚类方法和设计的聚类导致良好的近似发现的算法。我们通过实验数据说明了该方法的质量和可行性。
2013-01-10 cs.AI cs.DS
The Price of Hierarchical Clustering
层次聚类是一种用于理解数据集遗传特性的流行工具。这样的聚类实际上是一系列聚类,从平凡聚类开始,每个数据点形成自己的聚类,然后依次合并两个现有的聚类,直到所有点都在同一个聚类中。如果层次中的每个$k$ -聚类的成本至多是最佳$k$-聚类的成本的$α$倍,则层次聚类实现近似因子$α$。我们研究的成本函数的最大(离散)半径的任何集群($k$中心问题)和任何集群的最大直径($k$直径问题)。通常,最佳聚类不形成层级,因此不能实现$1$的近似因子。我们把任何情况下所能达到的最小近似因子称为层次结构的价格。对于$k$ -直径问题,我们将层次代价的上界改进为$3+2\sqrt{2}\approx 5.83$ .此外,我们显着提高了$k$ -中心和$k$ -直径的下界,证明了一个价格的层次正是$4$和$3+2\sqrt{2}$,分别。
2022-05-03 cs.DS
Improved Approximation Algorithms for Relational Clustering
Department of Computer Science, University of Illinois Chicago(伊利诺伊芝加哥大学计算机科学系)
本文提出改进的关系聚类算法,通过高效的随机近似方法提高k-中位数和k-均值聚类的近似因子和运行效率。
2026-02-17 cs.DB cs.DS
Approximation Schemes for Capacitated Clustering in Doubling Metrics
受选区重划中的应用启发,我们考虑了有界加倍度量下的一致能力约束的k-中值和一致能力约束的k-均值问题。我们为这两个问题提供了第一个QPTAS,并为R^2中的点的一致容量限制k-中位数问题提供了第一个PTAS。这是对Arora,Raghavan,Rao [STOC 1998]的低维欧氏空间中容量限制k-中值的双准则QPTAS的第一次改进(1 + ε-近似,1 + ε-容量违反),并且可以说是非平凡度量的第一个多项式时间近似算法。
2019-11-06 cs.CG cs.DS
Clustering Protein Sequences Given the Approximation Stability of the Min-Sum Objective Function
我们研究的问题,有效地聚类蛋白质序列在有限的信息设置。我们假设我们事先不知道序列之间的距离,并且必须在算法执行期间查询它们。我们的目标是使用很少的查询找到一个准确的聚类。我们模型的问题作为一个点集$S$与$S$上的一个未知的度量$d$,并假设我们可以访问\emph{one versus all}距离查询,给定一个点$s \in S$返回之间的距离$s$和所有其他点。我们的一对所有查询代表了一个有效的序列数据库搜索程序,如BLAST,它比较输入序列的整个数据集。给定一个自然的假设近似稳定的\emph{min-sum}的目标函数聚类,我们设计了一个可证明准确的聚类算法,使用很少的一个与所有的查询。在我们的实证研究中,我们表明,我们的方法比较有利的成熟的聚类算法,当我们比较计算得出的聚类黄金标准的手动分类。
2011-05-28 cs.CE cs.DS
KFC: A Scalable Approximation Algorithm for $k$-center Fair Clustering
Hong Kong University of Science and Technology(香港科技大学)
本文研究了基于$k-$中心目标的公平聚类问题。在公平聚类中,输入是$N$点,每个点属于$l$保护组中的至少一个,例如男性、女性、亚洲人、西班牙人。目标是将$N$点聚类成$k$簇,以最小化经典聚类目标函数。然而,还有一个额外的约束,即在某种公平性概念下,每个集群都需要是公平的。这确保了在任何组群中没有任何群体“任职人数过多”或“任职人数不足”。我们的工作建立在Chierichetti等人(NIPS 2017),Bera等人(NeurIPS 2019),Ahmadian等人(KDD 2019)和Bercea等人的工作基础上。我们获得了一个随机的$3-$近似算法的$k-$中心目标函数,击败了以前的最先进的($4-$近似)。我们在真实数据集上测试了我们的算法,并表明我们的算法在找到良好的集群方面是有效的,没有过度代表性或代表性不足,在运行时速度,聚类成本方面超过了目前的最新技术水平,同时实现了类似的公平性违规。
2020-11-07 cs.DS cs.LG
Linear-Time Approximation Scheme for k-Means Clustering of Affine Subspaces
在本文中,我们提出了一个线性时间近似计划的$k$ -均值聚类的\emph{incomplete}数据点在$d$维欧氏空间。具有$Δ>0$未指定条目的\emph{incomplete}数据点被表示为维度为$Δ$的轴平行仿射子空间。两个不完整数据点之间的距离定义为数据点对应的轴平行仿射子空间中两个最近点之间的欧氏距离。我们提出了一个算法$k$ -均值聚类的轴平行仿射子空间的尺寸$Δ$,产生一个$(1+ε)$ -近似解决方案,在$O(nd)$时间。隐藏在$O(\cdot)$后面的常量仅取决于$Δ, ε$和$k$。这改进了Eiben等人的$O(n^2 d)$时间算法。[SODA[21]以$n$为因子。
2021-06-27 cs.CG cs.DS
Optimal LP Rounding and Linear-Time Approximation Algorithms for Clustering Edge-Colored Hypergraphs
本文研究边着色超图聚类的可近似性,基于线性规划提出紧的近似保证,并给出线性时间组合2-近似算法及与顶点覆盖等目标的联系。
2023-05-13 cs.DM cs.DS cs.SI
Clustering with fair-center representation: parameterized approximation algorithms and heuristics
我们研究的背景下,算法公平性,被称为多样性感知聚类的经典聚类配方的变体。在这个变体中,我们给出了设施子集的集合,并且解决方案必须包含来自每个子集的至少指定数量的设施,同时最小化聚类目标($k$ -中值或$k$ -均值)。我们研究了这些问题的固定参数的易处理性,并显示了几个负硬度和不可逼近的结果,即使当我们提供指数运行时间相对于一些参数。出于这些结果,我们确定的问题的自然参数,并提出固定参数的近似算法与近似比$\big(1 + \frac{2}{e} +ε\big)$和$\big(1 + \frac{8}{e}+ ε\big)$的多样性意识的$k$ -中位数和多样性意识的$k$ -手段分别,并认为这些比率基本上是紧假设的间隙指数时间假设。我们还提出了一个简单而实用的双准则近似算法,具有更好的运行时间限制。最后,我们提出了有效的和实用的算法。我们评估的可扩展性和有效性,我们的方法在各种各样的严格进行的实验,真实和合成数据。
2022-10-24 cs.DS math.CO
Constant Approximation for Normalized Modularity and Associations Clustering
Google Research(谷歌研究院);University of Cologne(科隆大学)
我们研究了一个广泛的目标下的图聚类的问题,其中一个集群的质量定义的基础上在集群中的边缘的数量之间的比率,和在集群中的顶点的总重量。我们表明,我们的定义是密切相关的流行的聚类措施,即规范化的协会,这是一个双重的规范化的切割目标,和规范化的模块化。我们给出了一个线性时间常数近似算法,这意味着第一常数因子近似算法的归一化模块和归一化关联。
2022-12-29 cs.DS cs.LG cs.SI
Hierarchical Clustering: $O(1)$-Approximation for Well-Clustered Graphs
School of Informatics, University of Edinburgh(爱丁堡大学信息学院)
层次聚类研究的是将数据集递归地划分为大小依次减小的簇,是数据分析中的一个基本问题。在这项工作中,我们研究了Dasgupta引入的层次聚类的成本函数,并提出了两个多项式时间近似算法:我们的第一个结果是一个$O(1)$ -近似算法的图形的高电导。我们简单的构造绕过了文献中已知的寻找稀疏切割的复杂递归例程。我们的第二个和主要的结果是一个$O(1)$ -近似算法的一个广泛的家庭表现出良好的集群结构的图形。这一结果概括了以前的国家的最先进的,这只适用于从随机模型生成的图形。我们的工作的意义是证明了合成和现实世界的数据集,我们提出的算法优于先前提出的算法具有明确的聚类结构的图的实证分析。
2021-12-16 cs.DS cs.LG
Four Algorithms for Correlation Clustering: A Survey
The University of Chicago(芝加哥大学)
在相关聚类问题中,我们给出了一组具有成对相似性信息的对象。我们的目标是将这些对象划分为尽可能匹配此信息的聚类。更具体地,成对信息被给出为加权图$G$,其边缘被二元分类器标记为"相似”或"不相似”。我们的目标是产生一个聚类,最大限度地减少权重的"分歧”:权重的总和相似的边缘跨集群和集群内的不同边缘。在这一论述中,我们集中在$G$是完整的和未加权的情况下。在此假设下,我们探讨四种近似算法的相关聚类问题。特别是,我们描述了以下算法:(i)Bansal,Blum和Chawla的$17429-$近似算法,(ii)Charikar,Guruswami和Wirth的$4-$近似算法,(iii)Ailon,Charikar和Newman的$3-$近似算法,(iv)Chawla,Makarychev,Schramm和Yaroslavtsev的$2.06-$近似算法。
2022-08-24 cs.DS cs.LG
Hierarchical $\mathcal{F}$-Clustering: Approximation and Hardness of Clustering into Trees and Bounded Diameter Graphs
研究分层$\mathcal{F}$-聚类问题,针对$\mathcal{F}$为树和有界直径图的情况,给出多项式时间近似算法,主要贡献是基于线性规划的近似框架,还证明在小集扩展假设下这两种聚类不能在常数因子内近似。
2026-07-16 cs.DS cs.LG
Improved Approximation for Fair Correlation Clustering
Google Research(谷歌研究院);Dartmouth College(达特茅斯学院)
相关聚类是无监督机器学习中普遍存在的范例,其中解决不公平性是一个主要挑战。受此启发,我们研究了公平相关聚类,其中数据点可能属于不同的保护组,目标是确保跨集群的所有组的公平表示。我们的文件显着概括和改进的艾哈迈迪等人以前的工作的质量保证。和艾哈迈迪等人。如下。- 我们允许用户指定一个任意的上限上的集群中的每个组的表示。- 我们的算法允许个人拥有多个受保护的功能,并同时确保所有功能的公平性。- 我们证明保证聚类质量和公平性,在这个一般的设置。此外,这改善了在以前的工作中研究的特殊情况下的结果。我们在真实数据上的实验表明,与最优解相比,我们的聚类质量要比我们的理论结果好得多。
2022-06-09 cs.DS cs.LG
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
Graph Matching in Correlated Stochastic Block Models for Improved Graph Clustering
本文研究共享社区结构的相关图聚类问题,提出先揭示顶点对应关系再从并集恢复社区的两步方法,推导了精确图匹配的信息论极限并分析了匹配对恢复潜在社区结构的增益区域。
2023-09-11 cs.DS cs.IT math.IT
Correlation Clustering via Strong Triadic Closure Labeling: Fast Approximation Algorithms and Practical Lower Bounds
Texas A&M University(德州农工大学)
相关聚类是一种基于成对相似性和相异性得分的聚类框架,但其最佳近似算法依赖于不切实际的线性规划松弛。我们提出了更快的近似算法,避免这些松弛,两个研究良好的特殊情况下:集群编辑和集群删除。我们完成这一点,通过绘制新的连接到边缘标签的问题有关的原则,强三元封闭。这导致了更快和更实用的线性规划算法,以及极其可扩展的组合技术,包括第一个组合近似算法的集群删除。在实践中,我们的算法产生近似的解决方案,几乎匹配最好的算法的质量,而缩放到更大的数量级的问题。
2022-06-23 cs.DM cs.DS cs.LG
Differentially Private Clustering: Tight Approximation Ratios
Google Research(谷歌研究院)
我们研究的任务差异私有集群。对于几个基本的聚类问题,包括欧几里德DensestBall,1-Cluster,k-means和k-median,我们给出了高效的差分私有算法,这些算法可以实现与任何非私有算法基本相同的近似比,同时只会产生很小的附加误差。这改进了现有的有效算法,仅实现一些大的常数近似因子。我们的研究结果也意味着一个改进的算法的样本和聚合隐私框架。此外,我们表明,在我们的1-集群算法中使用的工具之一,可以用来得到一个更快的量子算法在一个中等数量的维度的ClosestPair。
2020-08-18 cs.CR cs.DS cs.LG
A Fixed Parameter Sublinear Time Approximation Scheme for Metric Min-Sum Clustering
Rutgers University(罗格斯大学);University of Michigan(密歇根大学);The Hebrew University of Jerusalem(耶路撒冷希伯来大学);Aarhus University(奥胡斯大学);Texas A&M University(德克萨斯农工大学)
本文针对k适度增大时的度量k-最小和聚类问题,提出了固定参数可处理的子线性时间近似方案,还证明了k-中位数等相关问题不存在类似算法,首次将分布式PCP框架应用于聚类问题。
2026-10-14 cs.CC cs.DS
On Coresets for Fair Clustering in Metric and Euclidean Spaces and Their Applications
University of Bergen(卑尔根大学)
公平聚类是聚类的一种受约束的变体,其目标是划分一组彩色点,使得每个聚类中任何颜色的点的分数或多或少等于数据集中该颜色的点的分数。这种变体最近由Chierichetti等人[NeurIPS,2017]在一项开创性的工作中引入,并在聚类文献中广泛流行。在本文中,我们提出了一种新的构造的核心集的公平聚类的基础上随机抽样。新的结构使我们能够获得第一个coreset公平聚类一般度量空间。对于欧氏空间,我们得到了第一个其大小不指数依赖于维数的coreset。我们的coreset结果解决了Schmidt et al. [WAOA,2019]和Huang et al. [NeurIPS,2019]提出的开放问题。新的coreset结构有助于设计几个新的近似和流算法。特别地,我们得到了第一个度量公平聚类的真常数-近似算法,其运行时间是固定参数可处理的(FPT)。在欧几里德的情况下,我们推导出第一个$(1+ε)$ -近似算法的公平聚类的时间复杂度是近线性的,并不依赖于空间的维数指数。此外,我们的核心集建设计划是相当普遍的,并产生了广泛的约束聚类问题的核心集。这导致这些问题在一般度量和近线性时间$(1+ε)$ -近似的欧几里德度量的改进常数近似。
2020-07-20 cs.DS cs.LG
Correlation Clustering Generalized
我们提出了新的结果LambdaCC和MotifCC,最近推出的两个变种的研究相关聚类问题。这两种变体的动机是网络分析和社区发现的应用,并具有非平凡的近似算法。我们首先表明,标准的线性规划松弛的LambdaCC有一个$Θ(\log n)$完整性的差距为一定的选择的参数$λ$。这揭示了以前的挑战,在获得参数无关的近似结果的LambdaCC。我们概括了以前的常数因子算法提供最好的结果,从LP舍入的方法,为扩展范围的$λ$。MotifCC将相关聚类推广到超图设置。在权值满足概率约束的度超边为$3$的情况下,将最佳逼近因子从$9$改进为$8$ .我们表明,在一般情况下,我们的算法给出了一个$4(k-1)$近似时,超边有最大程度的$k$和概率权重。我们还提出了LambdaCC和MotifCC的近似结果,我们限制只形成两个集群。
2018-09-25 cs.CC cs.DS
Locally computable approximations for spectral clustering and absorption times of random walks
我们解决的问题,确定一个自然的局部邻域或“集群”相关联的一个给定的种子顶点在无向图。我们制定的任务中的吸收时间的随机游走从其他顶点的兴趣点,并观察到这些时间是很好的近似由相应的基本矩阵的图形的邻接矩阵的主特征向量的组件。我们进一步提出了一个局部可计算的梯度下降法来估计这个狄利克雷-费德勒向量,基于最小化各自的瑞利商。实验评估表明,近似表现良好,并产生定义良好的局部聚类。
2008-10-22 cs.DM cs.DS
Faster Approximation Algorithms for Parameterized Graph Clustering and Edge Labeling
Texas A&M University(德克萨斯农工大学)
针对 NP 难的 LambdaCC 参数化图聚类框架,提出基于新型参数化边标注问题的快速纯组合近似算法,显著提升可扩展性,并为既有启发式方法提供事后近似保证。
2023-06-08 cs.DM cs.DS cs.LG
On the Power of SVD in the Stochastic Block Model
University of Southern California(南加州大学)
本文研究随机块模型中 SVD 谱降维对聚类的作用,证明 vanilla-SVD 在对称设置下可正确恢复所有簇,回答了 Van Vu 于 2018 年提出的开放问题。
2023-09-27 cs.DS cs.LG math.PR
Approximation Algorithms for Socially Fair Clustering
Toyota Technological Institute at Chicago(芝加哥丰田技术研究院)
我们提出了一个$(e^{O(p)} \frac{\log \ell}{\log\log\ell})$近似算法的社会公平的聚类与$\ell_p$目标。在这个问题中,我们给出了度量空间中的一组点。每个点属于一个(或多个)$\ell$组。我们的目标是找到一个$k$ -medians、$k$ -means或更一般的$\ell_p$ -clustering,它同时适合所有组。更准确地说,我们需要找到一组$k$中心$C$,以便最小化$\sum_{u \text{ in group }j} d(u,C)^p$的所有组$j$上的最大值。社会公平聚类问题由Ghadiri,Samadi和Vempala [2021]以及Abbasi,Bhaskara和Venkatasubramanian [2021]独立提出。我们的算法改进和推广了他们的$O(\ell)$ -近似算法的问题。该问题的自然LP松弛具有$Ω(\ell)$的完整性间隙。为了得到我们的结果,我们引入了一个加强的LP松弛,并表明它有一个完整性间隙$Θ(\frac{\log \ell}{\log\log\ell})$固定的$p$。此外,我们提出了一种双标准逼近算法,该算法推广了Abbasi等人[2021]的双标准逼近。
2021-07-15 cs.DS cs.LG stat.ML
Space and Time Efficient Parallel Graph Decomposition, Clustering, and Diameter Approximation
我们开发了一种新的并行分解策略,为未加权,无向图,基于不断增长的不相交的连接集群从一批中心逐步选择尚未发现的节点。相对于类似的以前的分解,我们的策略行使更严格的控制集群的数量和它们的最大半径。我们提出了我们的并行图分解的两个重要应用:(1)$k$ -中心聚类近似;(2)直径近似。在这两种情况下,我们得到的算法,具有多对数近似因子,并服从于一个分布式的实现,是面向大规模(长直径)的图形。计算所需的总空间在问题大小上是线性的,并且对于具有低倍维的图,平行深度在直径上基本上是次线性的。据我们所知,我们是第一个平行近似这些问题,实现子直径并行时间,为相关的一类图,只使用线性空间。除了理论上的保证,我们的算法允许一个非常简单的实现集群架构:我们报告了大量的实验,证明其有效性和效率的大型图形相比,替代已知的方法。
2015-02-06 cs.DC cs.DS
An Improved Combinatorial Algorithm for Edge-Colored Clustering in Hypergraphs
Texas A&M University(德克萨斯农工大学)
本文提出了一种改进的超图边着色聚类组合算法,实现了优于2的近似因子,用于解决NP难的边着色聚类问题。
2026-03-03 cs.DS cs.SI
Constant Approximation for Individual Preference Stable Clustering
MIT(麻省理工学院);Databricks(Databricks公司);TTIC(丰田理工学院芝加哥分校);UC Berkeley(加州大学伯克利分校)
针对一般度量下的个体偏好稳定聚类,论文证明 O(1)-IP 稳定聚类总存在并给出高效算法,同时扩展到最大、最小距离情形。
2023-09-28 cs.DS cs.LG
Dimensionality Reduction for k-Means Clustering and Low Rank Approximation
Massachusetts Institute of Technology(麻省理工学院)
我们展示了如何近似一个数据矩阵$\mathbf{A}$与一个小得多的草图$\mathbf{\tilde A}$,可用于解决一般类的约束k秩近似问题,在$(1+ε)$误差。重要的是,这类问题包括$k$ -均值聚类和无约束的低秩近似(即主成分分析)。通过将数据点减少到仅$O(k)$维度,我们的方法一般加速这些普遍存在的问题的任何精确、近似或启发式算法。对于$k$ -均值降维,我们提供了许多常见草图绘制技术的$(1+ε)$相对误差结果,包括随机行投影、列选择和近似SVD。对于近似主成分分析,我们给出了一个简单的替代已知的算法,在流媒体设置中的应用程序。此外,我们扩展了最近的工作列为基础的矩阵重建,列子集,不仅“覆盖”一个良好的子空间$\bv{A}$,但可以直接用于计算这个子空间。最后,对于$k$ -均值聚类,我们展示了如何通过将数据点投影到$O(\log k/ε^2)$维度来实现$(9+ε)$近似。这给出了利用$k$的特定结构的第一个结果--在$k$中实现与输入大小无关的维度和次线性。
2015-04-03 cs.DS cs.LG
A 4-approximation algorithm for min max correlation clustering
TU Dresden(德累斯顿工业大学);Center for Scalable Data Analytics and AI Dresden/Leipzig(德累斯顿/莱比锡可扩展数据分析与人工智能中心)
针对 min max correlation clustering 问题,提出基于下界技术的完全图组合 4-近似算法,并辅以贪心启发式扩展,在多个基准数据集上提升了求解质量与运行时间。
2024-02-14 cs.DM cs.DS cs.LG
Coresets for Clustering Under Stochastic Noise
Nanjing University(南京大学);Singapore Management University(新加坡管理大学);Yale University(耶鲁大学);Princeton University(普林斯顿大学)
针对随机噪声下聚类核心集构建问题,提出一种新误差度量及算法,实现更小核心集和更紧的真实成本保证,核心集大小可改进多项式因子。
2025-10-27 cs.CG cs.DS cs.LG
Constant-Factor Approximation Algorithms for Socially Fair $k$-Clustering
Georgia Tech(佐治亚理工学院)
研究了社会公平的$(\ell_p, k)$ -聚类问题的近似算法,该问题的特例包括社会公平的$k$ -中位数($p=1$)和社会公平的$k$ -均值($p=2$)问题.本文提出了(1)至多具有$k+m$中心的多项式时间$(5+2\sqrt{6})^p$ -近似,(2)具有时间$n^{2^{O(p)}\cdot m^2}$中心的$(5+2\sqrt{6}+ε)^p$ -近似,(3)具有时间$k^{m}\cdot\text{poly}(n)$的$(15+6\sqrt{6})^p$近似.第一个结果是通过使用线性规划序列的迭代舍入方法的改进而获得的。后两个结果是通过对(2)使用稀疏化方法并通过对(3)进行穷举搜索将具有多达个$k+m$中心的解转换为具有$k$中心的解而获得的。我们还比较了我们的算法的性能与现有的双准则算法,以及完全$k$中心近似算法的基准数据集,并发现我们的算法也优于现有的方法在实践中。
2022-06-22 cs.AI cs.DS cs.LG
Differentially-Private Hierarchical Clustering with Provable Approximation Guarantees
UC San Diego(加州大学圣地亚哥分校);Google(谷歌)
本文在 Dasgupta 框架下研究了差分隐私层次聚类,证明了误差下界,提出了多项式与指数时间近似算法,并在随机块模型下设计了能精确恢复块的近似算法,最后通过实验验证了性能。
2023-05-23 cs.CR cs.DS cs.LG
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
Fair Correlation Clustering
Google Research(谷歌研究院)
本文研究了公平性约束下的相关聚类问题。最近已经研究了$k$ -中值和$k$ -中心聚类的公平变体,并且已经提出了使用称为公平分解的概念的近似算法。在几种重要的公平性约束条件下,我们得到了公平相关聚类的近似算法。我们的研究结果取决于通过引入一个新的组合优化问题获得相关聚类的Fairlet分解。我们定义了一个公平分解的成本类似的$k$ -中值成本,这使我们能够获得广泛的公平性约束的近似算法。我们补充我们的理论结果与我们的算法在真实的图上的深入分析,我们表明,公平的解决方案,相关聚类可以获得有限的成本增加相比,国家的最先进的(不公平的)算法。
2020-03-02 cs.AI cs.DS cs.LG
Approximation Schemes for Low-Rank Binary Matrix Approximation Problems
University of Bergen(卑尔根大学)
我们提供了一个随机的线性时间近似方案的一个通用问题的二进制向量的聚类受到额外的约束。新的约束聚类问题包括一些问题,并通过解决它,我们得到了一些研究良好的基本问题,关于二进制向量的聚类和低秩逼近的二进制矩阵的第一线性时间近似计划。我们的方法可以解决的问题包括\textsc{Low GF(2)-Rank Approximation}、\textsc{Low Boolean-Rank Approximation}和各种版本的\textsc{Binary Clustering}。例如,对于\textsc{Low GF(2)-Rank Approximation}问题,其中对于$m\times n$二进制矩阵$A$和整数$r>0$,我们寻找$GF_2$秩至多为$r$的二进制矩阵$B$,使得矩阵$A-B$的$\ell_0$范数最小,我们的算法对于时间上的任何$ε>0$ $ f(r,ε)\cdot n\cdot m$,其中$f$是某个可计算函数,输出概率至少为$(1-\frac{1}{e})$的$(1+ε)$近似解。我们的近似算法大大提高了以前的作品的运行时间和近似因子。我们还给出了这些问题在时间上运行的(确定性)PTASes $n^{f(r)\frac{1}{ε^2}\log \frac{1}ε}$,其中$f$是依赖于问题的一些函数。我们的算法的约束聚类问题是基于一个新的采样引理,这是有趣的。
2018-07-18 cs.CC cs.DS cs.LG
Linear Programming based Approximation to Individually Fair k-Clustering with Outliers
Indian Institute of Technology, Gandhinagar(印度理工学院甘地纳格尔分校)
本文针对含离群点的k均值聚类,提出基于线性规划识别离群点并排除,再通过舍入算法计算中心,满足个体公平性约束,提供理论近似保证并实证验证。
2024-12-14 cs.DS cs.LG stat.ML
Approximate Clustering via Metric Partitioning
在本文中,我们考虑两个度量覆盖/聚类问题- \textit{Minimum Cost Covering Problem}(MCC)和$k$ -聚类。在MCC问题中,我们给出了两个点集$X$(客户端)和$Y$(服务器端),以及关于$X \cup Y$的度量。我们想用以发球器为中心的球来覆盖客户端。最小化的目标函数是球的半径的PDMATHAMR次幂的和。这里,$α\geq 1$是问题的参数(但不是问题实例的参数)。MCC与$k$ -聚类问题密切相关。$k$ -集群和MCC之间的主要区别在于,在$k$ -集群中,需要选择$k$球来覆盖客户端。对于任何$\eps > 0$,我们描述了这两个问题的准多项式时间$(1 + \eps)$近似算法.然而,在$k$聚类的情况下,算法使用$(1 + \eps)k$球。在此之前,我们的工作,一个$3^α$和一个${c}^α$近似分别实现了多项式时间算法MCC和$k$ -聚类,其中$c > 1$是一个绝对常数。因此,这两个问题是度量覆盖/聚类问题的有趣示例,如果愿意满足于准多项式时间,则允许$(1 + \eps)$近似(在$k$聚类的情况下使用$(1+\eps)k$球).相比之下,对于MCC的变体,其中$α$是输入的一部分,我们在标准假设下表明,没有多项式时间算法可以实现比$O(\log |X|)$更好的近似因子为$α\geq \log |X|$。
2016-10-03 cs.CG cs.DS math.PR
Network Clustering via Maximizing Modularity: Approximation Algorithms and Theoretical Limits
许多社交网络和复杂系统被发现自然地划分为密集连接的节点的集群,称为社区结构(CS)。寻找CS是网络科学中一个基本而又具有挑战性的课题。解决这个问题的最流行的方法之一是最大化纽曼的模块性。然而,我们对如何近似最大模块度以及找到具有可证明保证的社区结构的含义了解甚少。本文明确地解决了模块聚类的可逼近性问题,证明了除非P = NP,否则在任何(乘性)正因子内逼近该问题是困难的。然而,我们提出了第一个加性近似算法的模块化聚类与一个常数的因素。此外,我们提供了一个严格的证明,CS的模块性任意接近最大模块性QOPT可能承担没有相似的最大模块性的最佳CS。因此,即使找到了具有接近最优模块性的CS,也需要其他验证方法来确认结构的重要性。
2016-02-02 cs.DS cs.SI physics.soc-ph