On Profit-Maximizing Pricing for the Highway and Tollbooth Problems
在\emph{tollbooth problem}中,我们给出了一棵树$\bT=(V,E)$,树中有$n$边,以及一组$m$客户,每个客户都有兴趣购买树上的路径。每个客户都有一个固定的预算,目标是对$\bT$的边缘进行定价,以便将路径销售给能够负担得起的客户所获得的总收入最大化。该问题的一个重要特例称为\emph{highway problem},即当$\bT$被限制为一条线时。对于收费亭问题,我们提出了一个随机的$O(\log n)$ -近似,改进目前最好的$O(\log m)$ -近似。我们还研究了一个特殊的情况下,收费站问题,当所有的路径,客户有兴趣购买到一个固定的根$\bT$。在这种情况下,我们提出了一个算法,返回一个$(1-ε)$ -近似,任何$ε> 0$,并运行在准多项式时间。另一方面,我们排除了存在的FPTAS表明,即使是线的情况下,这个问题是强NP-困难的。最后,我们表明,在\emph{coupon model},当我们允许一些项目的价格低于零,以提高整体利润,问题变得甚至APX困难。
2009-03-18 cs.DS cs.GT
Lossy Kernelization of Same-Size Clustering
在这项工作中,我们研究了$k$ -中值聚类问题的集群上的一个额外的等大小的约束,从参数化预处理的角度。我们的主要结果是第一个有损($2$ -近似)的多项式核这个问题,参数化的成本聚类。我们补充这一结果,建立下界的问题,消除存在的多项式大小的(确切)内核和PTAS。
2021-07-15 cs.DS
Clustering under Constraints: Efficient Parameterized Approximation Schemes
Indian Institute of Technology Bombay(孟买印度理工学院);CISPA Helmholtz Center for Information Security(CISPA赫尔姆霍兹信息安全中心);Indian Institute of Technology Jodhpur(焦特普尔印度理工学院)
本文提出了一种统一框架,为具有受限(k,z)-聚类的度量空间生成高效的参数化近似方案,解决了多个聚类问题的开放性挑战。
2026-02-07 cs.DS
A PTAS for the Minimum Consensus Clustering Problem with a Fixed Number of Clusters
一致性聚类问题已被引入作为一种有效的方法来分析不同的微阵列实验的结果。该问题包括寻找一个分区,最好地总结了一组输入分区(每个对应于一个不同的微阵列实验)下一个简单而直观的成本函数。该问题承认多项式时间算法的两个输入分区,但在三个输入分区的APX困难。研究了一致性聚类算法在输出分区最多包含k个集合时的限制,给出了一个多项式时间近似方案(PTAS),并证明了该限制的NP-困难性.
2009-07-10 cs.DS
A Polynomial Algorithm for Balanced Clustering via Graph Partitioning
聚类的目的是发现数据集中的自然组,并识别可能存在于其中的几何结构,而无需假设任何关于数据特征的先验知识。这个问题可以看作是检测由相似性函数控制的度量空间中给定点集的组之间的固有分离。所有数据对象之间的成对相似性形成加权图邻接矩阵,该矩阵包含聚类过程的所有必要信息,因此可以将其公式化为图划分问题。在这种情况下,我们提出了一个新的集群质量的措施,它使用的最大生成树,并允许我们在多项式时间的最小-最大原则下计算的最佳聚类。我们的算法可以应用时,需要负载平衡的集群。
2018-01-25 cs.CG cs.DS
Approximate Correlation Clustering Using Same-Cluster Queries
Ashtiani等人(NIPS 2016)介绍了一种半监督聚类框架(SSAC),允许学习者进行相同的聚类查询。更具体地说,在他们的模型中,有一个查询预言机,它回答以下形式的查询:给定任何两个顶点,它们是否属于同一个最优聚类?Ashtiani等人通过给出一个多项式时间算法来解决k均值聚类问题,其中输入数据集满足一些分离条件,从而展示了这种查询框架的有用性。Ailon等人将上述工作扩展到近似设置,针对任何小\eps > 0和SSAC框架内的任何数据集,给出了k均值的有效(1+ \eps)近似算法。在这项工作中,我们将这条线的研究相关聚类问题。相关聚类是一个图聚类问题,其中每对顶点都有成对的相似性(或相异性)信息,目标是将顶点划分为聚类,使作为输入的成对信息的不一致性最小化(或一致性最大化)。这些问题通常被称为MinDisAgree和MaxAgree问题,MinDisAgree[k]和MaxAgree[k]是这些问题的版本,其中最佳集群的数量最多为k。存在MinDisAgree[k]和MaxAgree[k]的多项式时间近似方案(PTAS),其中对于任何小的\eps,近似保证是(1+ \eps),并且运行时间在输入参数中是多项式的,但在k和1/ \eps中是指数的。我们得到了一个(1+ \eps)-近似算法的任何小\eps的运行时间是多项式的输入参数,也在k和1/ \eps。我们还给出了非…
2017-12-19 cs.DS
Bisect and Conquer: Hierarchical Clustering via Max-Uncut Bisection
层次聚类是一种无监督的数据分析方法,已经被广泛使用了几十年。尽管它很受欢迎,但它有一个不发达的分析基础,为了解决这个问题,Dasgupta最近引入了一个具有成对相似性信息的分层聚类的优化观点,这激发了一系列工作,揭示了旧算法(例如,平均链接),但也设计新的算法。在这里,对于Dasgupta的目标(由Moseley-Wang介绍)的最大化对偶,我们提出了多项式时间的.4246近似算法,使用最大未切二等分作为子程序。之前在多项式时间内的最佳最坏情况近似因子为0.336,仅比平均链接略有改善,达到1/3。最后,我们通过提供APX硬度(即使是0-1相似度)来补充我们的积极结果,在小集合扩展假设下。
2019-12-15 cs.DS
Polynomial-Time Constant-Approximation for Fair Sum-of-Radii Clustering
针对带半径和目标的$(t,k)$-公平聚类问题,提出首个多项式时间$O(1)$近似算法,改进了此前固定参数可处理的结果,还可扩展到$t=1$时多颜色情形,核心是基于簇合并的分析技术。
2025-08-01 cs.DS
Min-Sum Clustering (with Outliers)
本文给出了一个常数因子多项式时间伪近似算法,用于最小和聚类。该算法允许排除任意小的常数分数的点。例如,我们展示了如何计算一个解决方案,聚类98\%的输入数据点,并支付不超过一个常数因子乘以聚类99\%的输入数据点的最佳解决方案。更一般地说,我们给出了以下双准则近似:对于任何$\eps > 0$,对于任何实例与$n$输入点和任何正整数$n'\le n$,我们计算在多项式时间的聚类至少$(1-\eps) n'$点的成本最多一个常数因子大于聚类$n'$点的最佳成本。近似保证随$\frac{1}{\eps}$的增加而增加。我们的结果适用于实例的点在实空间中赋予平方欧几里德距离,以及在度量空间中的点,其中的集群的数量,也是尺寸,如果相关的,是任意的(输入的一部分,而不是一个绝对常数)。
2020-11-24 cs.DS
On Hop-Constrained Steiner Trees in Tree-Like Metrics
我们考虑的问题,计算Steiner树的最小成本下的跳约束,要求树的深度是最多$k$。我们的主要结果是一个精确算法的度量所引起的图有界树宽运行的时间$n^{O(k)}$。对于路径的特殊情况,我们给出了一个简单的算法,即使$k$是输入的一部分,也可以在多项式时间内解决问题。主要结果可以用来获得,在准多项式时间,一个接近最优的解决方案,违反$k$-跳约束,最多一跳的更一般的度量所引起的有界公路维数和有界倍维数的图。对于非度量图,我们排除了一个$o(\log n)$近似,假设P $\neq$ NP,即使放宽跳约束的任何添加剂常数。
2022-10-11 cs.DS
Clustering with Local Restrictions
我们研究了一个家庭的图聚类问题,其中每个集群必须满足一定的本地要求。形式上,设$μ$是图$G$的顶点子集上的函数。在$(μ,p,q)$问题中,任务是找到将顶点划分为簇的分区,其中每个簇$C$满足以下要求:(1)至多$q$边离开$C$,以及(2)$μ(C)\le p$。我们的第一个结果表明,如果$μ$是{ \em arbitrary}多项式时间可计算单调函数,则$(μ,p,q)$ -PARTITION可以在时间$n^{O(q)}$中求解,即,它是多项式时间可解{ \em for every fixed $q$ }。我们详细研究了三个具体的功能$μ$(在集群中的顶点的数量,在集群中的非边缘的数量,最大数量的非邻居的一个顶点在集群中),这对应于自然的聚类问题。对于这些功能,我们表明,$(μ,p,q)$ -PARTITION可以解决在时间$2^{O(p)}\cdot n^{O(1)}$和时间$2^{O(q)}\cdot n^{O(1)}$上的$n$ -顶点图,即,该问题是由$p$或由$q$参数化的固定参数易处理的。
2017-11-10 cs.DS
Randomized Approximation Schemes for the Tutte Polynomial and Random Clustering in Subdense and Superdense Graphs
扩展阿隆,弗里兹和威尔士的工作,我们表明,有随机多项式时间近似计划计算Tutte多项式在次稠密图的最小节点度为$Ω\left ( \frac{n}{\sqrt{\log n}}\right )$。这同样适用于具有均匀边缘概率的随机簇模型中的配分函数$Z$,以及每当底层图$G=(V,E)$是$c\cdot\frac{n}{\sqrt{\log (n)}}$ -次稠密时,相关分布$λ(A),\: A \subseteq E$。在节点度为$n-o(n)$的超稠密情形下,证明了Tutte多项式$T_G(x,y)$渐近等于$Q=(x-1)(y-1)$ .此外,我们简要地讨论了在$(α, β)$ -幂律图的情况下逼近$Z$的问题。
2022-08-29 cs.CC cs.DS math.CO
Coresets for Clustering in Excluded-minor Graphs and Beyond
核心集是现代数据简化工具,广泛用于数据分析,以提高运行时间,空间和通信复杂性方面的效率。我们的主要结果是一个快速算法来构建一个小coreset的k-中位数(最短路径度量)的排除子图。具体来说,我们给出了第一个coreset的大小,只依赖于$k$,$ε$和排除的次要大小,我们的运行时间是准线性的(在输入图的大小)。我们的新算法的主要创新之处在于它是迭代的;它首先将$n$输入点简化为大致$O(\log n)$重新加权的点,然后简化为$O(\log\log n)$,依此类推,直到大小与$n$无关。这种迭代大小缩减中的每一步都基于Feldman和Langberg(STOC 2011)的重要性采样框架,通过采用终端嵌入(其中仅对从每个终端到所有其他点的距离保证低失真)来减少\emph{distinct points}的数量。我们的终端嵌入技术上涉及,并依赖于最短路径分隔符,一个标准的工具,在平面和排除未成年人的图形。此外,我们的新算法也适用于欧几里得度量,只需使用Narayanan和Nelson最近的终端嵌入结果(STOC 2019),它扩展了Johnson-Lindenstrauss引理。因此,我们在高维欧几里得空间中获得了一个有效的coreset构造,从而匹配和简化了最先进的结果(Sohler和Woodruff,FOCS 2018; Huang和Vishnoi,STOC 2020)。此外…
2020-07-15 cs.DS
Approximation Algorithms for Clustering via Weighted Impurity Measures
杂质度量$I:{R}^k \to {R}^+$将$k$维向量${\bf v}$映射到非负值$I({\bf v})$,使得${\bf v}$越均匀,其杂质越大。我们研究基于杂质度量的聚类:给定$n$的集合$V$许多$k$维向量和杂质度量$I$,目标是找到$V$的${\cal P}$到$L$组$V_1,\ldots,V_L$的划分,其最小化${\cal P}$中的组的总杂质,即,$I({\cal P})= \sum_{m=1}^{L} I(\sum_{{\bf v} \in V_m}{\bf v}).$杂质最小化被广泛用作概率分布聚类和分类聚类中的质量评估指标,其中不可能依赖于数据集的几何特性。然而,在基于度量的聚类的情况下,目前的知识的近似性和不可近似性的结果是非常有限的杂质措施为基础的聚类。我们的研究有助于填补这一空白。首先,我们提出了一个简单的线性时间算法,同时实现$3$ -近似的基尼杂质措施和$O(\log(\sum_{{\bf v} \in V} \| {\bf v} \|_1))$ -近似的熵杂质措施。然后,对于熵杂质措施-我们还表明,找到最佳聚类是强NP-硬-我们能够设计一个多项式时间$O(\log^2(\min\{k,L\}))$ -近似算法。我们的算法依赖于一个非平凡的一类聚类,必然包括一个分区实现$O(\log^2(\min\{k,L\}))$ -近似的最佳分区的杂…
2018-07-13 cs.DS
Graph Clustering with Surprise: Complexity and Exact Solutions
基于簇内链接数量与随机图中该数量的期望值的比较的聚类图在过去十年中获得了大量的关注和普及。最近,Aldecoa和Marin提出了一种相关的,但略有不同的方法,导致质量测量惊喜,并报告了在合成和真实世界基准测试的背景下良好的行为。我们发现,找到一个集群与最佳惊喜的问题是NP难的。此外,一个双判据的观点,允许计算最佳解决方案的小实例,通过解决少量的整数线性规划,并导致树的多项式时间算法。
2013-10-21 cs.DS
Clustering Mixtures with Almost Optimal Separation in Polynomial Time
Microsoft Research(微软研究院);MIT(麻省理工学院)
我们考虑的问题,聚类的平均分离高斯混合物在高维。我们从$k$身份协方差高斯的混合物中获得样本,因此对于某个参数$Δ> 0$,任何两对均值之间的最小成对距离至少为$Δ$,目标是恢复这些样本的地面真值聚类。这是民间传说,分离$Δ= Θ(\sqrt{\log k})$是必要的和足够的恢复一个良好的聚类,至少在理论上的信息。然而,实现这一保证的估计是低效的。我们给出了第一个算法,它运行在多项式时间,几乎匹配这个保证。更准确地说,我们给出了一个算法,它需要多项式多个样本和时间,并可以成功地恢复一个良好的聚类,只要分离是$Δ= Ω(\log^{1/2 + c} k)$,对任何$c > 0$。以前,多项式时间算法仅在$k$中分离为多项式时才知道该问题,并且所有能够容忍$\textsf{poly}( \log k )$分离的算法都需要准多项式时间。我们还扩展我们的结果的混合物的分布,满足庞加莱不等式的翻译,在额外的温和的假设。我们的主要技术工具,我们认为是独立的利益,是一种新的方式来隐式表示和估计分布的高阶矩,这使我们能够提取有关高阶矩的重要信息,而无需明确写下完整的矩张量。
2021-12-01 cs.DS cs.LG math.ST
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
Minimizing Carbon Footprint for Timely E-Truck Transportation: Hardness and Approximation Algorithm
针对带截止期限的电动卡车运输碳足迹优化,论文证明可行解求解即NP难,并提出路径、速度与充电协同的双准则多项式近似算法,真实轨迹仿真显示最高减排11%。
2023-08-19 cs.DS
Planar p-center problems are solvable in polynomial time when clustering a Pareto Front
本文的动机是双目标优化的实际应用。有许多非支配的解决方案,一个希望使用欧几里德距离聚类的帕累托前沿。p-中心问题,在离散和连续的版本,被证明是可解的多项式时间与一个共同的动态规划算法。将$N$点划分到$K\geqslant 3$簇中,证明了连续(或离散)$K$ -中心问题的复杂度分别为$O(KN\log N)$(或$O(KN\log^2 N)$)时间和$O(KN)$存储空间.以$2$为中心的问题在$O(N\log N)$中具有复杂性。为了加快算法的速度,并行化问题进行了讨论。一个后验,这些结果允许一个应用程序内的多目标算法存档部分帕累托前沿。
2019-08-19 cs.CC cs.CG cs.DM
Connected k-Center and k-Diameter Clustering
本文提出连通k-中心与k-直径聚类问题,要求每个聚类在给定连通图中诱导连通子图,并给出O(log^2 k)近似算法,在欧几里得度量下改进为O(1),同时针对线和树结构给出最优或2-近似算法。
2023-10-18 cs.DS
Parameterized Approximation Algorithms for $k$-Center Clustering and Variants
$k$ -center是最流行的聚类模型之一。虽然它承认一个简单的2-近似多项式时间在一般的度量,欧几里德版本是NP-困难的近似因子为1.93,即使在平面上,如果坚持依赖于$k$在运行时间是多项式。如果没有这个限制,经典算法产生欧几里得$k$ -中心的$2^{O((k\log k)/ε)}dn$ -时间$(1+ε)$ -近似,其中$d$是维度。我们给出了一个更快的算法,小尺寸:粗略地说,一个$O^*(2^{O((1/ε)^{O(d)} \cdot k^{1-1/d} \cdot \log k)})$ -时间$(1+ε)$ -近似。特别地,运行时间在平面中大致为$O^*(2^{O((1/ε)^{O(1)}\sqrt{k}\log k)})$。我们补充我们的算法结果与匹配的硬度下限。我们还考虑了$k$ -中心的一个广泛研究的推广,称为非均匀$k$ -中心(NUkC),其中我们允许不同半径的集群。NUkC在任何因子内都是NP难近似的,即使在欧几里得情况下也是如此。我们设计了一般度量下NUkC的$2^{O(k\log k)}n^2$时间$3$ -近似和欧氏NUkC的$2^{O((k\log k)/ε)}dn$时间$(1+ε)$ -近似.后一个时间界限与$k$ -center的界限匹配。
2021-12-19 cs.DS
A Polynomial-Time Approximation for Pairwise Fair $k$-Median Clustering
Portland State University(波特兰州立大学);Ben Gurion University(本古里安大学);University of Alberta(阿尔伯塔大学);Toyota Technological Institute at Chicago (TTIC)(芝加哥丰田理工学院)
本文针对多群体成对公平k-中位数聚类问题,提出了首个不违反公平约束的多项式时间O(k²·ℓ·t)近似算法,并证明了即使ℓ=2时该问题也几乎与均匀容量约束k-中位数同样困难。
2025-02-27 cs.AI cs.DS cs.LG
Kinetic Clustering of Points on the Line
对直线上运动的点集进行聚类的问题包括:给定正整数n和k,n个点的初始位置和速度,找到一个最优的k-聚类。我们考虑两个经典的质量措施的聚类:最小化的直径和集群的最大直径最小化的集群。对于前者,我们提出了多项式时间算法在一些假设下,对于后者,(2.71 +)-近似。
2015-12-14 cs.CG cs.DS
Clustering under Perturbation Stability in Near-Linear Time
在扰动稳定性假设下,研究了低维欧氏空间中基于中心的聚类问题。如果即使所有成对距离受到最多$α$因子的任意扰动,底层最佳集群也继续保持最佳,则实例是$α$稳定的。我们的主要贡献是在提出有效的精确算法$α$ -稳定的聚类实例,其运行时间依赖于近线性的数据集的大小时,$α\ge 2 + \sqrt{3}$。对于$k$ -中心和$k$ -均值问题,我们的算法也实现了对聚类数$k$的多项式依赖,当$α\geq 2 + \sqrt{3} + ε$对于任意固定维数的任意常数$ε> 0$.对于$k$ -中位数,我们的算法在任何固定维度上对$α> 5$的$k$具有多项式依赖性;对于二维的$α\geq 2 + \sqrt{3}$,我们的算法对$k$具有多项式依赖性。我们的算法是简单的,只需要应用技术,如本地搜索或动态规划到一个适当修改的度量空间,结合仔细选择的数据结构。
2020-09-30 cs.CG cs.DS
Local correlation clustering
相关聚类也许是聚类的最自然的表述。给定$n$对象和成对相似性度量,目标是对对象进行聚类,以便在最大程度上将相似对象放在同一个聚类中,将不相似对象放在不同的聚类中。尽管其理论上的吸引力,相关聚类的实际意义仍然在很大程度上未被探索,主要是由于相关聚类需要$Θ(n^2)$成对相似性作为输入。在本文中,我们开始调查\emph{local}算法的相关聚类。在\emph{local correlation clustering}中,我们被赋予单个对象的标识符,我们希望使用少量的相似性查询,以某种全局一致的接近最优的聚类返回它所属的聚类。用于相关聚类的局部算法为\emph{sublinear-time}算法打开了大门,当项目之间的相似性计算成本很高时,\emph{sublinear-time}算法特别有用,因为在许多实际应用领域中经常出现这种情况。它们还意味着$(i)$分布式和流式聚类算法,$(ii)$恒定时间估计器和测试器的集群编辑距离,和$(iii)$属性保持并行重构算法的集群性。具体来说,我们设计了一个本地聚类算法,达到$(3, \varepsilon)$ -近似的时间$O(1/\varepsilon^2)$独立的数据集大小。所有对象的显式近似聚类可以在时间上产生$O(n/\varepsilon)$(这是可证明的最优)。我们还提供了一个完全加性$(1,\varepsilon)$ -近似与本…
2013-12-18 cs.DS
The computational complexity of some explainable clustering problems
PUC-Rio(里约热内卢天主教大学)
我们在[Dasgupta et al.,ICML 2020],其中通过轴对齐的决策树实现可解释性。我们考虑了$k$ -均值、$k$ -中位数、$k$ -中心和间隔代价函数。我们证明了前三个是很难优化,而后者可以在多项式时间内优化。
2022-08-20 cs.DS cs.LG
Metric Perturbation Resilience
我们研究了Bilu和Linial(2010)以及Awasthi,Blum和Sheffet(2012)引入的扰动弹性概念。一个聚类问题是$α$ -扰动弹性,如果最佳聚类不改变时,我们扰动所有的距离的一个因素,最多$α$。考虑了一类基于中心目标的聚类问题,包括k-均值、k-中值和k-中心等问题,并给出了2-扰动弹性实例聚类的精确算法.我们的结果改进了Balcan和Liang(2016)的结果,他们给出了一种聚类$1+\sqrt{2}\approx 2.41$扰动弹性实例的算法。我们的结果是紧的,因为没有多项式时间算法可以解决$(2-\varepsilon)$扰动弹性实例,除非NP = RP,如Balcan,Haghtalab和White(2016)所示。我们表明,该算法的工作原理的情况下,满足稍弱,更自然的条件比扰动弹性,我们称之为度量扰动弹性。
2016-07-21 cs.DS
New Algorithms and Hardness Results for Connected Clustering
University of Bonn(波恩大学)
本文研究了连接聚类问题的新算法和难度结果,证明了连接k-中心问题的近似难度,并在树宽受限图上提供了多项式时间算法和FPT时间的常数近似算法。
2025-11-24 cs.DS
Fully Dynamic k-Center Clustering in Doubling Metrics
聚类问题是无监督学习中最基本的问题之一,有着广泛的应用。然而,经典的聚类算法假设数据是静态的,因此无法捕获许多数据不断变化和发展的现实世界的应用程序。在此驱动下,我们研究了度量$k$ -中心聚类问题的全动态设置,其目标是有效地保持聚类,同时支持插入和删除点的混合序列。该模型还支持以下形式的查询:(1)报告给定点是否为中心或(2)确定点被分配到的聚类。针对$k$ -中心聚类问题,提出了一种确定性动态算法,该算法可证明在多对数更新和查询时间内实现了$(2+ε)$ -近似,如果底层度量具有有界的双倍维数,其长宽比由多项式限定,并且$ε$是常数.我们的算法的一个重要特点是,更新和查询时间是独立的$k$。我们通过大量的实验研究证实了这一功能的实际相关性,实验结果表明,对于理论建议的$k$和$ε$的值,我们的算法构造在解决方案质量和运行时间方面优于最先进的算法。
2020-02-10 cs.DS
Correlation Clustering with Constrained Cluster Sizes and Extended Weights Bounds
University of Illinois, Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
我们考虑图上的相关聚类问题,同时对聚类大小和边的正负权重进行约束。我们的贡献是双重的:首先,我们介绍了有界集群大小的相关聚类问题。其次,我们扩展了政权的权重值,集群可以执行恒定的近似保证在多项式时间和应用的结果有界集群大小的问题。
2015-05-22 cs.DS cs.LG
Differentially Private Clustering via Maximum Coverage
Khoury College(库里学院);Northeastern University(东北大学)
本文研究了度量空间中的聚类问题,同时保持个人数据的隐私。具体来说,我们研究的差异私人的变种的k-中位数和欧几里德k-均值问题。我们提出了多项式算法与常数乘法误差和较低的附加误差比以前的国家的最先进的每个问题。此外,我们的算法使用聚类算法没有差分隐私作为一个黑盒。这允许从业者通过选择合适的聚类算法来控制运行时间和近似因子之间的权衡。
2020-08-27 cs.DS cs.LG
Clustering with Locally Bounded Ignorance
University of Jena(耶拿大学)
本文研究了在模糊边图结构下,相关聚类问题的复杂性,证明了参数化为k+d和k+c时存在多项式问题核,同时展示了在某些受限结构下问题的难解性。
2026-05-13 cs.CC cs.DS
Lattice-Based Methods Surpass Sum-of-Squares in Clustering
Massachusetts Institute of Technology(麻省理工学院);Courant Institute of Mathematical Sciences, New York University(纽约大学库朗数学科学研究所);Simons Institute for the Theory of Computing, UC Berkeley(加州大学伯克利分校西蒙斯计算理论研究所);Center for Data Science, New York University(纽约大学数据科学中心);Flatiron Institute(熨斗研究所)
聚类是无监督学习中的一个基本要素,它产生了大量具有计算挑战性的推理任务。在这项工作中,我们专注于典型的任务聚类d维高斯混合未知(可能退化)的协方差。最近的工作(Ghosh等人,'20; Mao,Wein '21; Davis,Diaz,Wang '21)已经建立了针对低次多项式方法和平方和(SoS)层次的下界,用于恢复高斯聚类实例中植入的某些隐藏结构。许多类似的推理任务的先前工作预示着,这样的下限强烈建议存在一个固有的算法到计算的差距聚类,也就是说,一个参数制度的聚类任务是统计上可能的,但没有多项式时间算法成功。我们考虑的聚类任务的一个特殊情况相当于在一个随机子空间中找到一个种植超立方体向量的问题。我们发现,也许令人惊讶的是,这种特定的聚类模型并没有表现出计算的差距,即使在这种情况下,上述低程度和SoS的下限继续适用。为了实现这一点,我们给出了一个多项式时间算法的基础上的Lenstra-Lenstra-Lovasz格基减少方法,实现了最佳的样本复杂度d+1个样本。这一结果扩展了一类问题,其被限制的计算到计算的差距可以通过“脆性”多项式时间算法“关闭”,突出了噪声在计算到计算的差距的发病中的关键但微妙的作用。
2022-01-07 cs.CC cs.DS cs.LG
A Note on Clustering Aggregation for Binary Clusterings
本文研究二元聚类聚合问题,通过多项式时间多一归约强化了其NP难性结论,推导了下界,同时证明该问题关于输入聚类数是固定参数可处理的,并给出整数线性规划表述。
2023-11-09 cs.CC 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
Complexity of a Root Clustering Algorithm
在输入盒中逼近全纯函数的根是许多领域的基本问题。文献中用于解决该问题的大多数算法是有条件的,即,他们做了一些简化的假设,例如,所有的根都是简单的,或者在输入框的边界上没有根,或者底层的机器模型是Real RAM。根聚类是根近似问题的推广,它允许计算中的错误,并且不假设根的多重性。计算全纯函数的根聚类的无条件算法由Yap,Sagraloff和Sharma在2013年给出。他们提出了一种基于细分的算法,使用基于Pellet检验的有效谓词,同时避免与零进行任何比较(使用软零比较)。在本文中,我们分析了他们的算法的运行时间。我们使用的连续摊销框架,以获得一个上限的大小的细分树。我们专门这个约束的情况下,多项式和一些简单的超越函数,如指数和三角正弦。我们表明,该算法需要指数时间,即使是这些简单的功能,不同于多项式的情况下。我们还推导出了该算法所使用的位精度的界限。据我们所知,这是全纯函数的第一个这样的结果。我们引入新的几何参数,如相对增长的功能上的输入框,分析算法。因此,我们的估计自然地推广了已知的结果,即,对于多项式的情况。
2019-12-05 cs.CC cs.DS cs.SC
A Note on the Inapproximability of Correlation Clustering
University of Pennsylvania(宾夕法尼亚大学)
我们考虑相关聚类问题的不可近似性,定义如下:给定一个图$G = (V,E)$,其中每个边被标记为“+”(相似)或“-”(不相似),相关聚类试图将顶点划分为簇,以便正确地(分别)确定对的数量。不正确地)被最大化(相应地,最小化)。这两个互补的问题分别被称为MaxAgree和MinDisagree,并且已经在完全图上进行了研究,其中每个边都被标记,而一般图中某些边可能没有被标记。这两个问题的自然边加权版本也进行了研究。令S-MaxAgree表示所有权取自集合S的加权问题,我们证明了S-MaxAgree与$O(|V|^{1/2-δ})$的权在以下意义下本质上属于同一硬度类:如果存在多项式时间算法,其以高概率在因子$λ= O(\log{|V|})$内近似S-MaxAgree,则对于S '的任何选择,S ′-MaxAgree可以在多项式时间内在因子$(λ+ ε)$内近似,其中$ε> 0$可以是任意小的,具有高概率。Charikar等人的$S-MinDisagree. This result implies it is hard (assuming $ NP \neq RP $) to approximate unweighted MaxAgree within a factor of $ 80/79-ε $, improving upon a previous known factor of…
2009-03-23 cs.DS cs.LG
Fuzzy Clustering with Similarity Queries
Tel Aviv University(特拉维夫大学);University of California, San Diego(加利福尼亚大学圣迭戈分校);University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
模糊或软$k$ -均值目标是众所周知的$k$ -均值问题的流行推广,将$k$ -均值的聚类能力扩展到不确定、模糊和难以聚类的数据集。在本文中,我们提出了一个半监督主动聚类框架,允许学习者与Oracle(领域专家)交互,询问某组所选项目之间的相似性。在此框架下,我们研究了聚类的查询和计算复杂性。我们证明,有几个这样的相似性查询,使人们能够得到一个多项式时间的近似算法,以其他形式的NP难问题。特别是,我们提供了模糊聚类算法,在这种设置,要求$O(\mathsf{poly}(k)\log n)$相似性查询和多项式时间复杂度,其中$n$是项目的数量运行。模糊$k$ -均值目标是非凸的,其中$k$ -均值目标是一个特殊情况,它等价于非负矩阵分解等一般非凸问题.无处不在的最小化算法(或交替最小化算法)可能会陷入局部最小值。我们的研究结果表明,通过一些相似性查询,问题变得更容易解决。最后,我们在真实世界的数据集上测试了我们的算法,显示了它们在真实世界应用中的有效性。
2021-11-04 cs.DS cs.LG stat.ML
Fair Polylog-Approximate Low-Cost Hierarchical Clustering
University of Maryland, College Park(马里兰大学帕克分校)
针对公平层次聚类中存在的多项式近似壁垒,本文提出了首个真正的多对数近似低成本公平层次聚类方法,大幅缩小了公平与普通层次聚类近似之间的差距。
2023-11-21 cs.DS cs.LG
Nearly Optimal Dynamic $k$-Means Clustering for High-Dimensional Data
Princeton University(普林斯顿大学);Columbia University(哥伦比亚大学)
我们认为$k$ -均值聚类问题中的动态流设置,其中点从离散欧几里德空间$\{1, 2, \ldots, Δ\}^d$可以动态插入或删除的数据集。对于这个问题,我们提供了一个一遍coret构造算法使用空间$\tilde{O}(k\cdot \mathrm{poly}(d, \logΔ))$,其中$k$是目标中心数。据我们所知,这是$k$的第一个动态几何数据流算法-意味着在$k$中使用空间多项式维数和近似最优(线性)。
2019-02-07 cs.DS cs.LG stat.ML
On Variants of k-means Clustering
\textit{Clustering problems}通常出现在像数据挖掘、机器学习等领域中,以将对象的集合分组为关于相似性(或相异性)度量的相似组。在聚类问题中,特别是\textit{$k$-means}聚类得到了研究者的广泛关注。尽管事实上,$k$ -手段是一个非常好的研究问题,其地位在飞机上仍然是一个悬而未决的问题。特别是,它是否允许PTAS在飞机上是未知的。在多项式时间内最著名的近似界是$9+\eps$。在本文中,我们考虑以下变体的$k$ -手段。给定$\mathcal{R}^d$中的点的集合$C$和一个实数$f > 0$,找到$\mathcal{R}^d$中使数量$f*|F|+\sum_{p\in C} \min_{q \in F} {||p-q||}^2$最小的点的有限集合$F$。对于任意固定维数的$d$,我们设计了一个局部搜索PTAS。我们还给出了一个“双准则”的局部搜索算法$k$ -手段,它使用$(1+\eps)k$中心,并产生一个解决方案,其成本是最多$(1+\eps)$倍的成本的最佳$k$ -手段解决方案。该算法在多项式时间内运行任何固定的维度。本文的贡献是双重的。一方面,我们能够以一种优雅的方式处理距离的平方,这产生了接近最佳的近似界。这使我们对$k$ -means问题有了更好的理解。另一方面,我们对局部搜索的分析也可能对其他几何问题有用。这是很重要的,考虑…
2015-12-09 cs.CG cs.DS
Learning Augmented Graph $k$-Clustering
Department of Computer Science and Engineering(计算机科学与工程系)
该研究将学习增强$k$-聚类推广到一般度量空间以适配图结构等非欧氏域,放宽簇大小约束,还在ETH假设下证明了一般度量下达到$(1+α)$-近似的多项式时间算法需约$Ω(k/α)$次查询,完善了该领域的理论与实用性。
2025-06-16 cs.DS cs.LG
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
Parameterized Correlation Clustering in Hypergraphs and Bipartite Graphs
Cornell University(康奈尔大学);The University of Melbourne(墨尔本大学);Purdue University(普渡大学)
受社区发现和稠密子图发现应用的启发,我们考虑超图和二分图中的新聚类目标。这些目标通过一个或多个分辨率参数进行参数化,以便在复杂数据中实现多样化的知识发现。对于超图和二分目标,我们确定参数制度,相当于现有的目标和共享他们的(多项式时间)近似算法。我们首先表明,我们的参数化超图相关聚类目标是有关的高阶概念的规范化切割和超图的模块化。它还可以通过超边缘扩展技术进行近似算法。我们的参数化二分相关聚类目标概括了标准的未加权二分相关聚类,以及双聚类删除。对于某些参数的选择,它也与我们的超图目标有关。虽然在一般情况下,它是NP-难的,我们强调的参数制度的二分目标的问题减少到二分匹配的问题,从而可以解决在多项式时间。对于其他参数设置,我们提出了使用线性规划舍入技术的近似算法。这些结果使我们能够引入第一个常数因子近似的bicluster删除,删除最小数量的边缘划分成不相交的二分图团的任务。在几个实验结果中,我们强调了我们的框架的灵活性和在不同参数设置下可以获得的结果的多样性。这包括跨一系列参数对二分图进行聚类,检测电子邮件网络和食品网络中的主题丰富的集群,以及在产品评论超图中形成与已知产品类别高度相关的零售产品集群。
2020-06-19 cs.DM cs.DS cs.LG
Near-Optimal Clustering in the $k$-machine model
聚类问题在其许多变体中在运筹学和计算机科学(例如,在生物信息学、图像处理、社会网络分析等中的应用)。随着数据集规模的快速增长,研究人员专注于设计适合大规模计算的计算模型(如MapReduce,Pregel和流式模型)中的聚类问题的算法。$k$ -机器模型(Klauck等人,SODA 2015)是一个简单的消息传递模型,用于大规模分布式图形处理。本文考虑了三个最突出的集群问题的例子:无容量的设施选址问题,$p$ -中位数问题,$p$ -中心问题,并提出了$O(1)$ -因子近似算法运行在$\tilde{O}(n/k)$轮的$k$ -机模型。这些算法是最佳的多项式因子,因为本文还显示了$\tildeΩ(n/k)$下界获得多项式因子近似算法这些问题。这些是聚类问题的$k$ -机模型的第一个结果。我们假设,这些聚类问题的输入提供的度量只隐含地提供,作为一个边加权图,简而言之,我们的主要技术贡献是表明,常数因子近似算法的所有三个聚类问题可以通过学习只有一小部分的输入度量。
2017-10-23 cs.DC cs.DS
Learning-Augmented Hierarchical Clustering
Johns Hopkins University(约翰斯·霍普金斯大学);Rice University(莱斯大学);Google Research(谷歌研究院);Carnegie Mellon University(卡内基梅隆大学);Texas A&M University(德克萨斯A&M大学)
本文研究利用分裂预言机辅助信息进行层次聚类,提出多项式时间和近线性时间算法,分别对Dasgupta目标和Moseley-Wang目标实现常数近似和(1-o(1))近似,突破标准方法的近似困难性,并扩展到流式与PRAM亚线性设置。
2025-06-05 cs.DS cs.LG
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
Capacitated Fair-Range Clustering: Hardness and Approximation Algorithms
针对容量公平范围k-聚类,证明即使在约束平凡可满足时仍不可近似,并在常数个组时设计出匹配最优的近似算法,解决开放问题。
2025-05-21 cs.CC cs.DS
Settling the Polynomial Learnability of Mixtures of Gaussians
给定从多变量高斯混合中提取的数据,一个基本问题是准确地估计混合参数。我们给出了一个算法,这个问题有一个运行时间,和数据要求多项式的尺寸和逆所需的精度,可证明的最小假设的高斯。作为我们的学习算法的简单结果,我们可以有效地执行样本点的近最优聚类和k高斯混合的密度估计。我们算法的构建模块基于Kalai等人的工作。[STOC 2010],该工作通过考虑一系列一维投影并将矩量法应用于每个单变量投影,给出了一种学习两个高斯混合的有效算法。Kalai等人的一个主要技术障碍是证明可以有效地学习两个高斯的单变量混合。相比之下,由于病理情况下,可能会出现在考虑两个以上的高斯混合物的单变量投影,本文的大部分工作涉及如何利用学习单变量混合物(许多高斯)的算法,以产生一个有效的算法在高维学习。我们的算法采用分层聚类和重新缩放,连同精细的方法回溯和恢复,可能会发生在我们的单变量算法的故障。最后,虽然我们的算法的运行时间和数据要求指数依赖于混合高斯的数量,我们证明了这种依赖是必要的。
2010-04-23 cs.DS cs.LG
Motif and Hypergraph Correlation Clustering
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Auburn University(奥本大学)
出于社会和生物网络分析中的应用,我们引入了一种新形式的不可知聚类称为~ \emph{motif correlation clustering},其目的是最大限度地减少与边缘和高阶网络结构相关的聚类错误的成本。这个问题可以简洁地描述如下:给定一个完整的图$G$,划分图的顶点,使得某些预定的“重要”子图大多位于同一簇内,而“不太相关”的子图被允许跨簇。我们的贡献如下:我们首先介绍了几种变体的主题相关聚类,然后表明这些聚类问题是NP-难的。然后,我们继续描述多项式时间聚类算法,提供恒定的近似保证手头的问题。尽管遵循经常使用的LP松弛和舍入程序,该算法涉及一个复杂的和精心设计的邻域生长步骤,结合边缘和基序结构的信息。最后,我们用几个例子说明了合成和真实网络上开发的算法的性能。
2018-11-05 cs.DM cs.DS cs.LG
Exact and rapid linear clustering of networks with dynamic programming
University of Vermont(佛蒙特大学);Université Laval(拉瓦尔大学)
针对一维位置网络的聚类问题,本文提出 O(n^2) 动态规划算法,可为多类目标给出可证明最优解,并在相近运行时间内显著优于现有启发式方法。
2023-12-08 cs.DS cs.LG cs.SI
Correlation Clustering with Low-Rank Matrices
Purdue University(普渡大学);The University of Melbourne(墨尔本大学)
本文研究了在低秩矩阵表示数据时相关聚类的精确求解方法,证明了正定低秩矩阵可使问题在多项式时间内解决,但存在负特征值时仍为NP难问题,并提出基于zonotope顶点枚举的高效算法。
2017-03-17 cs.DS cs.LG cs.NA
Towards a Query-Optimal and Time-Efficient Algorithm for Clustering with a Faulty Oracle
University of Sheffield(谢菲尔德大学);University of Southern California(南加州大学)
受数据库中众包实体解析、社交网络中的符号边预测和相关聚类等应用的启发,Mazumdar和Saha [NIPS 2017]提出了一个优雅的理论模型,用于研究具有错误预言的聚类。在这个模型中,给定一组属于$k$未知组(或簇)的$n$项,我们的目标是通过向oracle请求成对查询来恢复簇。此oracle可以回答查询“项目$u$和$v$是否属于同一个集群?”''.然而,对于某些$\varepsilon\in(0,\frac12)$,每个成对查询的答案以概率$\varepsilon$出错。Mazumdar和Saha在该模型下提供了两种算法:一种算法是查询最优的,但时间效率低(即,以准多项式时间运行),另一种是时间有效的(即,在多项式时间内),而查询是次优的。Larsen,Mitzenmacher和Tsourakakis [WWW 2020]然后针对$2$集群的特殊情况给出了一种新的时间有效算法,如果模型的偏差$δ:=1-2\varepsilon$很大,则该算法是查询最优的。这是一个悬而未决的问题,是否可以获得一个查询最佳的,时间效率高的算法的一般情况下,$k$集群和其他制度的$δ$。在本文中,我们取得了进展,对上述问题,并提供了一个时间效率的算法与接近最佳的查询复杂度(高达$O(\log^2 n)$的一个因素)的所有常数$k$和任何$δ$的制度时,信息理论的恢复是可能的。我们的算法是建立在连…
2021-06-18 cs.DS cs.LG stat.ML
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