$\varepsilon$-Coresets for Clustering (with Outliers) in Doubling Metrics
研究了在双倍度量$M(X, d)$下$(k, z)$ -聚类问题的$\varepsilon$ -核心集的构造问题. $\varepsilon$ -coreset是具有权重函数$w : S \rightarrow \mathbb{R}_{\geq 0}$的加权子集$S\subseteq X$,使得对于任何$k$ -子集$C \in [X]^k$,它保持$\sum_{x \in S}{w(x) \cdot d^z(x, C)} \in (1 \pm \varepsilon) \cdot \sum_{x \in X}{d^z(x, C)}$。我们提出了一个有效的算法,构造一个$\varepsilon$ -coreset的$(k, z)$ -聚类问题的$M(X, d)$,其中的coreset的大小只取决于参数$k, z, \varepsilon$和加倍维数$\mathsf{ddim}(M)$。据我们所知,这是第一个有效的$\varepsilon$ -coreset建设的大小独立的$|X|$一般的聚类问题的两倍指标。为此,我们建立了$M(X, d)$的加倍维数与距离$d$诱导的射程空间的破碎维数(或VC维数)之间的第一个关系。这样的关系以前是不知道的,因为人们可以很容易地构造这样的实例,其中任何一个都不能被另一个(的某个函数)所约束。令人惊讶的是,我们表明,如果我们允许一个小的$(1\pmε…
2018-08-18 cs.DS
Optimal Fully Dynamic $k$-Centers Clustering
我们提出了第一个算法完全动态$k$中心聚类在任意度量空间,保持最佳的$2+ε$近似在$O(k \cdot \operatorname{polylog}(n,Δ))$摊销更新时间。这里,$n$是任何时候活动点数量的上限,$Δ$是数据的纵横比。以前,最著名的摊销更新时间是$O(k^2\cdot \operatorname{polylog}(n,Δ))$,这是由于Chan、Gourqin和Sozio。我们证明,我们的算法的运行时间是最佳的$\operatorname{polylog}(n,Δ)$因素,即使是插入只流,这关闭了完全动态的$k$中心聚类的复杂性。特别是,我们证明了任何算法的$k$ -聚类任务在任意度量空间,包括$k$ -手段,$k$ -中位数,$k$ -中心,必须至少$Ω(n k)$距离查询,以实现任何非平凡的近似因子。尽管任意度量的下限,我们证明了$k$中的更新时间次线性是可能的度量空间,允许局部敏感的哈希函数(LSH)。也就是说,我们展示了一个黑盒变换,它需要一个度量空间的局部敏感的哈希家庭,并产生一个更快的全动态$k$中心算法,该空间。特别是,对于一个大类的度量,包括欧几里德空间,$\ell_p$空间,汉明度量,和Jaccard度量,对于任何$c > 1$,我们的结果产生一个$c(4+ε)$近似$k$ -中心的解决方案,在$O(n^{1/c} \cdot \operat…
2021-12-13 cs.DS
Relaxed Voronoi: a Simple Framework for Terminal-Clustering Problems
我们reprove三个已知的算法边界的终端聚类问题,使用一个单一的框架,导致更简单的证明。在这种类型的问题中,输入是度量空间$(X,d)$(可能从图中产生)和终端的子集$K\subset X$,目标是划分点$X$,使得每个部分(称为群集)包含恰好一个终端(可能具有连接性要求),以便最小化某些目标。我们重新证明的三个边界是树上的Steiner点移除[Gupta,SODA 2001],有界加倍维中的度量$0$ -扩展[Lee和Naor,未出版2003],以及连通度量$0$ -扩展[Englert等人,SICOMP 2014]。一种自然的方法是将每个点与其最近的终端聚类,这将把$X$划分为所谓的Voronoi单元,但是这种方法可能由于其严格的聚类边界而失败。一个现在的标准解决方案,我们称之为Relaxed-Voronoi框架,是使用放大的Voronoi单元,但为了获得不相交的聚类,单元根据某种顺序进行了greenerally计算。这种方法首先由Calinescu,Karloff和Rabani [SICOMP 2004]提出,成功地为一般度量的终端聚类问题提供了最先进的结果。然而,对于受限的度量族,例如,树和加倍度量,只知道更复杂的ad-hoc算法。我们的主要贡献是证明,松弛Voronoi算法是适用于限制度量,实际上导致相对简单的算法和分析。
2018-11-06 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
Center-based Clustering under Perturbation Stability
在大多数流行的目标函数下的聚类是NP难的,即使很好地近似,也不太可能在最坏的情况下有效地解决。最近,Bilu和Linial \cite{Bilu09}提出了一种方法,旨在通过使用人们可能希望在实践中持有的实例的属性来绕过这种计算障碍。特别是,他们认为,在实践中的实例应该是稳定的度量空间中的小扰动,并给出了一个有效的算法聚类实例的最大切割问题是稳定的大小$O(n^{1/2})$的扰动。此外,他们推测,稳定到O(1)扰动的实例应该在多项式时间内可解。在本文中,我们证明了这一猜想是真实的任何基于中心的聚类目标(如$k$ -中位数,$k$ -手段,和$k$ -中心)。具体来说,我们可以有效地找到最佳的聚类假设只有稳定的因素-3扰动的基本度量空间中没有斯坦纳点,和稳定的因素$2+\sqrt{3}$扰动一般度量。特别是,我们在这种情况下,流行的单链接算法结合动态规划将找到最佳的聚类。我们还提出了NP-硬度的结果下,较弱的,但相关的条件。
2011-08-11 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
Optimal Fully Dynamic $k$-Center Clustering for Adaptive and Oblivious Adversaries
在完全动态聚类问题中,当通过插入和删除单个点来修改度量空间中给定数据集的聚类时,必须保持该聚类。在本文中,我们解决了全动态$k$中心聚类的复杂性对自适应和不经意的对手。针对不经意的对手,我们提出了第一个算法,完全动态$k$ -中心在任意度量空间,保持最佳的$(2+ε)$ -近似在$O(k \cdot \mathrm{polylog}(n,Δ))$摊销更新时间。这里,$n$是任何时候活动点数量的上限,$Δ$是度量空间的纵横比。以前,最著名的摊销更新时间是$O(k^2\cdot \mathrm{polylog}(n,Δ))$,是由于Chan,Gourqin和Sozio(2018)。此外,我们证明了我们的运行时是最佳的$\mathrm{polylog}(n,Δ)$因素。事实上,我们证明,即使是离线算法的$k$ -聚类任务在任意度量空间,包括$k$ -中位数,$k$ -手段,和$k$ -中心,必须至少$Ω(n k)$距离查询,以实现任何非平凡的近似因子。这意味着$Ω(k)$的下限,即使对于仅插入设置也成立。我们还显示了确定性的下限和上限的自适应对手,证明了更新时间次线性的$k$是可能的,对不经意的对手的度量空间,承认局部敏感的哈希函数(LSH),并给出了第一个完全动态的$O(1)$近似算法密切相关的$k$ -半径和$k$ -直径和问题。
2023-03-21 cs.DS
Clustering in Varying Metrics
Department of Computer Science, Dartmouth College(达特茅斯学院计算机科学系)
本文提出聚合聚类问题,在多变度量下最小化聚类成本聚合,证明 T≥3 时不可近似,T=2 时给出常数近似,并针对有结构度量设计高效参数化近似方案。
2025-10-09 cs.DS
Online Sum-Radii Clustering
在在线和半径聚类中,n个请求点在线到达,并且必须在到达时可替换地分配给聚类。每个簇的代价是一个固定的开簇代价与其半径之和,目标是使算法开簇的总代价最小。我们证明了一般度量空间的在线和半径聚类的确定性竞争比为Θ(\log n),其中上界来自原始-对偶算法并对一般度量空间成立,下界对三元层次良好分离树(HST)和欧氏平面成立.结合(Csirik等人,MFCS 2010),该结果表明,当我们从线移动到平面时,在线和半径聚类的确定性竞争比突然从常数变为对数。我们还表明,在线和半径聚类度量空间引起的HST是密切相关的停车许可证问题(Meyerson,FOCS 2005年)。利用与停车许可证的关系,得到了树度量下的和半径在线聚类的随机竞争比Ω(\log \log n)的一个下界.此外,我们提出了一个简单的随机O(\log n)-竞争算法,和一个确定性O(\log \log n)-竞争算法的分数版本的问题。
2013-02-18 cs.DS
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
Dynamic clustering to minimize the sum of radii
在本文中,我们研究的问题,开放的中心集群的一组客户端在度量空间,以最小化的中心和集群半径的成本之和,在一个动态的环境中,客户端到达和离开,解决方案必须有效地更新,同时保持竞争力,相对于当前的最优解。我们称之为动态半径和聚类问题。我们提出了一个数据结构,保持一个解决方案,其成本是在一个恒定的因素内的最佳解决方案的成本在度量空间有界的双倍维数和最坏情况下的更新时间是对数的参数的问题。
2017-07-09 cs.DS
Multi Layer Peeling for Linear Arrangement and Hierarchical Clustering
该研究提出多层剥离技术,为度量空间下的最大线性排列和最大层次聚类问题设计了1-ε近似方案,显著优于以往的0.5和0.74近似比。
2023-05-02 cs.CG cs.DS
Clustering Permutations: New Techniques with Streaming Applications
National University of Singapore(新加坡国立大学);Pennsylvania State University(宾夕法尼亚州立大学);Weizmann Institute of Science(魏茨曼科学研究所)
本文提出了一种新的算法框架,用于在Ulam度量下对排列进行聚类,实现了1.999近似算法,并适用于流式计算环境。
2022-12-04 cs.DS
Clustering What Matters in Constrained Settings
本文提出一个通用框架,将约束k-中位数和k-均值问题的离群点版本归约到无离群点版本,仅损失(1+ε)近似比,并首次给出容量约束和Ulam度量下的FPT近似算法。
2025-04-21 cs.DS
Accuracy Evaluation of Overlapping and Multi-resolution Clustering Algorithms on Large Datasets
聚类算法的性能进行评估的准确性指标的帮助下。聚类算法有很多种,它们是许多数据分析和探索系统的关键组成部分。然而,在大数据集上,重叠和多分辨率聚类算法的准确性度量很少。在本文中,我们首先讨论现有的度量,他们如何满足一组正式的约束,以及如何将它们应用到特定的情况下。然后,我们提出了一些优化和扩展这些指标。更具体地说,我们引入了一种新的索引技术,以减少平均F1得分评估的运行时间和内存复杂性。我们的技术可以应用于大型数据集,并且在单个CPU上比在高性能服务器上运行的最先进的实现更快。此外,我们提出了几个扩展所讨论的指标,以提高其有效性和满意度的正式约束,而不影响其效率。本文中讨论的所有指标都是用C++实现的,并且作为开源软件包免费提供,这些软件包既可以用作独立工具,也可以用作基准测试系统的一部分,以比较各种聚类算法。
2019-02-14 cs.DS physics.data-an
Local Search for Clustering in Almost-linear Time
提出首个在几乎线性时间内实现常数近似的欧几里得聚类局部搜索算法,通过新型1-交换局部搜索框架和近似最近邻数据结构,改进了近似因子并推广至多种度量空间。
2025-04-04 cs.DS
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
Online Correlation Clustering with Metric Weights
Department of EECS, UC Berkeley(加州大学伯克利分校电气工程和计算机科学系);Carnegie Mellon University(卡内基梅隆大学);Department of Computer Science, Vassar College(瓦萨学院计算机科学系)
本文针对全在线模型中带度量权重的关联聚类,提出首个常数竞争的确定性在线算法,证明边权重的度量一致性可克服标准在线关联聚类的下界难题。
2026-08-26 cs.CC cs.DS
Metric $k$-clustering using only Weak Comparison Oracles
Duke University(杜克大学);University of Illinois Chicago(伊利诺伊大学香槟分校);Cornell University(康奈尔大学)
本文提出了一种使用弱比较 oracle 的 k-聚类算法,能够在噪声和成本受限的情况下实现高效的聚类效果。
2026-01-27 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
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
Coresets for Clustering in Geometric Intersection Graphs
在基于中心的$k$ -聚类问题(如$k$ -means或$k$ -median)的研究中,设计核心集--$(1\pm ε)$ -近似因子中解的数据保持代价的小空间草图是一个重要的研究方向. Feldman和Langberg [STOC'11]已经表明,对于一般度量中的$n$点的$k$ -聚类,可以获得其大小在$n$中以几何方式依赖的核心集。此外,在一般度量中,$n$中的这种依赖性是不可避免的。该领域的大量近期工作致力于获得其大小独立于$n$的岩心(即,"small“coresets)的特殊度量,如$d$维欧氏空间,加倍度量,度量的图有界树宽,或那些不包括一个固定的小。在本文中,我们提供了第一个结构的小coreset的$k$ -聚类的度量诱导的几何求交图,如欧几里德加权单位圆盘/平方图。这些建设遵循一个一般定理,确定两个典型的性质,足以获得小coresets的图度量。我们定理的证明建立在Cohen-Addad,Saulpic和Schwiegelshohn [STOC '21]最近的工作基础上,该工作确保了以存在一组有趣的中心为条件的小尺寸coresets,称为“质心集”。我们工作的主要技术贡献是证明了满足这两个正则几何性质的图存在这样一个小尺寸的质心集。新的coreset结构有助于设计第一个$(1+ε)$近似的中心为基础的聚类问题在UDG和USG,这是固定参数的易处理的$k$和$ε$…
2023-03-02 cs.CG cs.DS
$k$-Median Clustering via Metric Embedding: Towards Better Initialization with Differential Privacy
在设计聚类算法时,初始中心的选择对学习到的聚类质量至关重要。在本文中,我们发展了一个新的初始化方案,称为HST初始化,$k$-中位数问题在一般度量空间(例如,图诱导的离散空间),基于构造数据的度量嵌入树结构。从树,我们提出了一种新的和有效的搜索算法,为良好的初始中心,可用于随后的局部搜索算法。我们提出的HST初始化可以产生初始中心,实现较低的错误比从另一个流行的初始化方法,$k$-中位数++,具有可比的效率。HST初始化还可以扩展到设置差分隐私(DP)以生成私有初始中心。我们表明,从应用DP本地搜索,然后我们的私人HST初始化的误差提高了以前的结果的近似误差,并在一个小的因素接近下界。实验证明了理论的正确性,并证明了我们所提出的方法的有效性。我们的方法也可以扩展到$k$-均值问题。
2022-07-08 cs.DS stat.ML
Computing an Aggregate Edge-Weight Function for Clustering Graphs with Multiple Edge Types
研究了图中存在多条边类型时的社区发现问题。我们的主要动机是,对象之间的相似性可以定义为许多不同的指标和聚合这些指标到一个单一的提出了几个重要的挑战,如恢复此聚合函数从地面实况,调查不同的聚类空间等,在本文中,我们将讨论如何找到一个聚合函数生成一个复合指标,最好的共振与地面实况。我们描述两种方法:解决一个逆问题,在这个逆问题中,我们试图找到生成一个图的参数,该图的聚类给出了地面实况聚类,并选择参数以最大化地面实况聚类的质量。我们提出了真实和合成基准的实验结果。
2011-03-14 cs.DS cs.SI physics.soc-ph
Fast Combinatorial Algorithms for Min Max Correlation Clustering
我们介绍快速算法相关聚类最小最大的目标,提供恒定因子近似完整的图形。我们的算法是第一个纯组合近似算法这个问题。我们构造了一个新的半度量的顶点集,我们称之为相关度量,这表明我们的聚类算法是否对节点应该在同一个集群。本文实证表明,与以前的工作相比,我们的算法牺牲很少的客观质量,以获得更好的运行时间。此外,我们的算法可以扩展到更大的网络,这些网络对于已知算法来说是非常棘手的。
2023-01-30 cs.DM cs.DS
Learning to Link
Carnegie Mellon University(卡内基梅隆大学);Toyota Technical Institute at Chicago(芝加哥丰田技术研究所);Karlsruhe Institute of Technology(卡尔斯鲁厄理工学院)
聚类是许多现代数据分析管道的重要组成部分,包括网络分析和数据检索。不同的社区开发了许多不同的聚类算法,并且通常不清楚哪种算法将在特定的聚类任务上提供最佳性能。类似地,我们通常有多种方法来测量数据点之间的距离,最佳聚类性能可能需要这些指标的非平凡组合。在这项工作中,我们研究了数据驱动的算法选择和度量学习的聚类问题,其目标是同时学习最好的算法和度量为特定的应用程序。我们考虑的聚类算法的家庭是参数化的连接为基础的程序,包括单一的和完整的链接。我们学习的距离函数族是基距离函数的凸组合。我们设计了高效的学习算法,它接收来自聚类实例的特定于应用程序的分布的样本,并同时从这些类学习接近最佳的距离和聚类算法。我们还进行了全面的实证评估,我们的技术表明,它们可以导致显着提高聚类性能。
2019-10-02 cs.DS cs.LG
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 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
Faster Clustering via Preprocessing
我们研究了聚类一组点的效率,当包围度量空间可以预先处理。在这种类型的计算问题中,存在预处理的第一阶段,其输入是点$M$的集合;下一阶段接收查询集$Q\subset M$作为输入,并且应该根据某些目标(例如1-median)报告$Q$的聚类,在这种情况下,答案是最小化$\sum_{q\in Q} d_M(a,q)$的点$a\in M$。我们设计的快速算法,近似解决标准的聚类目标,如$p$-中心和$p$-中位数,当度量$M$具有低倍维的问题。通过利用预处理阶段,我们的算法实现查询时间是近线性的查询大小$n=|Q|$,是(几乎)独立的总点数$m=|M|$。
2012-08-26 cs.CG cs.DS
Clustering by hypergraphs and dimensionality of cluster systems
在本文中,我们讨论的情况下,而不是一个单一的度量,我们有一个家庭的度量的聚类过程。在这种情况下,我们可以得到一个不一定是树的偏序聚类图。我们讨论了在这个图之上的超图的结构。我们提出了两个定义的维数的超边的超图,并表明,对于多维p-adic的情况下,这两个维度减少到p-adic参数的数量。讨论了超图聚类方法在生物系统发育图构建中的应用。在这种情况下,超边的维数将描述遗传多样性来源的数量。
2012-04-26 cs.DS q-bio.PE
$k$-Center Clustering in Distributed Models
本文研究了底层度量为图最短路径度量的$k$-中心问题,在LOCAL、CONGEST和CLIQUE三种标准分布式模型中提出了常数因子近似算法与下界,并给出了双准则近似设置的硬度结果。
2024-07-25 cs.DC cs.DS
Parameterized Approximation Schemes for Clustering with General Norm Objectives
University of Wrocław(弗罗茨瓦夫大学);Aalto University(阿尔托大学);University of British Columbia(不列颠哥伦比亚大学);CISPA Helmholtz Center for Information Security(CISPA亥姆霍兹信息安全中心);Max Planck Institute for Informatics(马克斯·普朗克信息学研究所);The University of Sheffield(谢菲尔德大学)
本文提出了一种简洁的高效参数化近似方案(EPAS),通过引入bounded ε-scatter dimension这一新概念,统一解决了十多种聚类问题和度量空间下的近似算法设计。
2023-04-06 cs.DS cs.LG
Distributed Silhouette Algorithm: Evaluating Clustering on Big Data
Politecnico di Torino(都灵理工大学)
在大数据时代,每种算法需要具备的关键特征是能够在分布式环境中高效并行运行。不幸的是,用于评估聚类质量的流行的Silhouette度量不具有此属性,并且相对于输入数据集的大小具有二次计算复杂性。出于这个原因,它的执行在大数据场景中受到了阻碍,在这些场景中,必须以其他方式评估聚类。为了填补这一空白,在本文中,我们介绍了第一个算法,计算的轮廓度量线性复杂度,可以很容易地在分布式环境中并行执行。它的实现在Apache Spark ML库中免费提供。
2023-03-24 cs.AI cs.DC cs.DS
Clustering with Label Consistency
National University of Singapore(新加坡国立大学);Google Research(谷歌研究院);INSAIT, Sofia University "St. Kliment Ohridski"(索非亚大学“圣克里门特·奥赫里德斯基”INSAIT);ETH Zürich(苏黎世联邦理工学院);EPFL(洛桑联邦理工学院)
本文提出了一种基于标签一致性的度量聚类方法,旨在解决传统聚类算法对稳定点标签需求的不足,通过引入新的一致性度量,改进了k-中心和k-中位问题的近似算法。
2025-12-22 cs.AI cs.DS
Online Differentially Private Consistent Clustering
Google Research(谷歌研究);Tel Aviv University(特拉维夫大学);Google(谷歌);Google Deepmind(谷歌DeepMind)
该研究针对在线流环境下的差分隐私聚类问题,提出通用归约方法,使算法在近似比、空间与时间性能上优于或匹配现有方法,且继承了非私有聚类算法的一致性属性。
2026-08-31 cs.CR cs.DS
Probabilistic Fair Clustering
University of Maryland, College Park(马里兰大学帕克分校)
本文研究群体成员身份仅以概率形式已知时的公平聚类,提出带近似比保证的算法,并处理具有顺序与距离结构的度量成员身份问题。
2023-06-02 cs.AI cs.DS cs.LG
Fermat Distances: Metric Approximation, Spectral Convergence, and Clustering Algorithms
University of Wisconsin(威斯康星大学);University of Utah(犹他大学);Colorado School of Mines(科罗拉多矿业学院);Tufts University(塔夫茨大学)
本文研究 Fermat 距离从离散样本到连续密度扭曲度量的收敛速率,并据此证明图 Laplace 算子谱收敛,提出新的密度驱动谱聚类算法。
2023-07-07 cs.DS cs.LG math.DG
Faster Balanced Clusterings in High Dimension
Michigan State University(密歇根州立大学);University of Science and Technology of China(中国科学技术大学)
约束聚类问题在过去的几十年里引起了人们的极大关注。在本文中,我们研究了平衡$k$ -中心,$k$ -中位数,和$k$ -均值聚类问题,其中每个集群的大小是由给定的下限和上限的约束。这些问题的产生是由于其在处理大规模高维数据中的应用。现有的方法往往需要计算复杂的匹配(或最小费用流),以满足平衡约束,从而遭受高复杂度,特别是在高维。我们开发了一个有效的框架的三个平衡聚类问题来解决这个问题,我们的方法是基于一个新的空间分割的几何思想。对于平衡的$k$ -中心聚类,我们提供了一个$4$ -近似算法,提高了现有的近似因子;对于平衡的$k$ -中位数和$k$ -均值聚类,我们的算法产生常数和$(1+ε)$ -近似因子与任何$ε>0$。更重要的是,当$k$是一个常数时,我们的算法实现了线性或接近线性的运行时间,并显着改善现有的。我们的结果可以很容易地扩展到度量平衡聚类和运行时间是次线性的$n$ -点度量的复杂性。
2018-09-10 cs.CG cs.DS cs.LG
Learning to Generate Fair Clusters from Demonstrations
University of Massachusetts Amherst(马萨诸塞大学阿默斯特分校)
公平聚类是将相似的实体分组在一起的过程,同时满足数学上定义良好的公平性度量作为约束。由于精确模型规范的实际挑战,规定的公平性约束往往是不完整的,并作为代理的预期公平性要求,导致有偏见的结果时,系统部署。我们研究如何确定一个问题的基础上,从专家有限的示范打算公平约束。每个演示都是对数据子集的聚类。我们提出了一个算法,以确定公平性度量的示范和生成集群使用现有的现成的聚类技术,并分析其理论性质。为了扩展我们的方法,聚类算法目前不存在的新的公平性指标,我们提出了一个贪婪的聚类方法。此外,我们研究如何使用我们的方法生成可解释的解决方案。对三个真实数据集的实证评估表明,我们的方法在快速识别潜在的公平性和可解释性约束,然后用于生成公平和可解释的集群的有效性。
2021-02-08 cs.AI cs.CY cs.DS