Small Space Stream Summary for Matroid Center
在拟阵中心问题中,它推广了$k$ -中心问题,我们需要选择一组中心,这是一个秩为$r$的拟阵的独立集。我们研究这个问题的流,在地面设置的元素到达流。我们首先表明,任何随机的一次通过流算法,计算一个更好的$Δ$ -近似分区拟阵中心必须使用$Ω(r^2)$位的空间,其中$Δ$是纵横比的度量,可以是任意大。这显示了拟阵中心和$k$ -中心之间的二次分离,其中Doubling算法使用$O(k)$ -空间和一次通过给出$8$ -近似。为了补充这一点,我们给出了一个一遍算法的拟阵中心,存储最多$O(r^2\log(1/\varepsilon)/\varepsilon)$点(即,流摘要),其中存在$(7+\varepsilon)$近似解,其可以通过蛮力找到,或者可以用有效算法找到$(17+\varepsilon)$近似。如果我们允许第二次通过,我们可以有效地计算$(3+\varepsilon)$ -近似;这也几乎达到了已知的最佳近似比($3+\varepsilon$)与总运行时间$O((nr + r^{3.5})\log(1/\varepsilon)/\varepsilon + r^2(\log Δ)/\varepsilon)$,其中$n$是输入点的数量。我们还考虑了问题的拟阵中心与$z$离群值,并给出了一个单程算法,输出一组$O((r^2+rz)\log(1/\varepsilon)/\var…
2020-07-20 cs.DS
Introvert Clustering for Distributed Graph Algorithms
National University of Singapore(新加坡国立大学);University of Copenhagen(哥本哈根大学)
本文提出内向聚类图分解原语,生成分层网络分解,并应用于LOCAL模型,实现列表边着色和局部平衡割的确定性算法,时间复杂度为$\widetilde O(\log^2 n)$。
2026-09-10 cs.DC cs.DS
Improved Multi-Pass Streaming Algorithms for Submodular Maximization with Matroid Constraints
我们给出了改进的多通道流算法的问题,最大化的单调或任意非负的子模函数的一般$p$ -matchoid约束的模型中,在该模型中,地面集的元素到达一个在一个时间流。我们考虑的约束族推广了$p$任意拟阵约束的交集和$p$ -一致超图匹配。对于单调子模函数,我们的算法使用$O(p/\varepsilon)$ -通道保证$p+1+\varepsilon$,并且只需要存储$O(k)$元素,其中$k$是可行解的最大大小.这立即给出了一个$O(1/\varepsilon)$ -通过$(2+\varepsilon)$ -近似算法的单调子模极大化的拟阵和$(3+\varepsilon)$ -近似单调子模匹配。我们的算法不注意选择$\varepsilon$,并且可以在任何次数的通过后停止,从而提供适当的保证。我们扩展我们的技术,以获得第一个多通流算法的一般,非负的子模函数受到$p$ -matchoid约束,通过独立的地面集和$k$的大小。我们表明,一个随机的$O(p/\varepsilon)$ -通过算法存储$O(p^3k\log(k)/\varepsilon^3)$元素给出了一个$(p+1+\barγ+O(\varepsilon))$ -近似,其中$\bar{gamma}$是保证最知名的离线算法相同的问题。
2021-02-18 cs.DS
Coloring in Graph Streams
本文研究了半流模型下图的顶点着色问题。在该模型中,输入图由以对抗顺序到达的边缘流定义,并且任何算法必须使用图的顶点数的空间线性(直到多对数因子)来处理以到达顺序到达的边缘。在离线条件下,对最大度图$Δ$的$(Δ+1)$ -顶点着色有一个简单的贪婪算法.针对$(1+\varepsilon)Δ$ -顶点着色问题,我们设计了一个基于$\varepsilon >0$空间的随机流算法,其中$n$是图中的顶点数.对于离线环境下有界荫度的图,有更多的颜色有效算法。具体地说,有一个简单的$2α$顶点着色算法的荫度$α$图。我们提出了一个$O(\varepsilon^{-1}\log n)$通过随机顶点着色算法,需要最多$(2+\varepsilon)α$许多颜色的任何常数$\varepsilon>0$的图荫度$α$在半流模型。
2018-07-25 cs.DS
Deterministic $(1+\varepsilon)$-Approximate Maximum Matching with $\mathsf{poly}(1/\varepsilon)$ Passes in the Semi-Streaming Model and Beyond
本文提出半流模型中poly(1/ε)遍的确定性(1+ε)-近似最大匹配算法,首次打破对1/ε的指数依赖,并通过通用框架将改进扩展到CONGEST和MPC模型。
2024-04-02 cs.DS
Learning-Augmented Streaming Algorithms for Approximating Boolean Max-CSPs
University of Science and Technology of China(中国科学技术大学);Rutgers University(罗格斯大学);University of Waterloo(滑铁卢大学);University of California, Santa Barbara(加利福尼亚大学圣巴巴拉分校)
该研究针对布尔Max-CSP设计学习增强流式算法,在可得ε的高度准确估计时,将Max-Cut的相关结果推广至一般Max-2CSP并优化空间复杂度,还扩展至k≥3的Max-kCSP。
2026-10-14 cs.DS
Streaming Balanced Clustering
度量空间中数据点的聚类是计算机科学中最基本的问题之一,在数据挖掘、信息检索和机器学习等领域有着广泛的应用。由于大型数据集的聚类的必要性,已经开发了几个流算法的聚类问题,如$k$ -中位数和$k$ -均值问题的不同变体。然而,尽管上下文的重要性,目前的理解平衡集群(或更一般的能力集群)在流设置是非常有限的。先前已知的用于容量限制聚类的唯一流近似算法需要三次通过并且仅处理插入。在这项工作中,我们开发了\emph{the first single pass streaming algorithm}的一般类的聚类问题,其中包括capacitated $k$ -中位数和capacitated $k$ -在欧几里得空间的手段,只使用多$( k d \log Δ)$空间,其中$k$是集群的数量,$d$是尺寸和$Δ$是坐标的最大相对范围。(Note $d\log Δ$是表示一个点所需的空间。)该算法仅通过$1+ε$因子违反容量约束。有趣的是,与以前的算法不同,我们的算法处理点的插入和删除。为了提供这个结果,我们定义了通过一些弯曲的半空间的空间的分解。我们使用这种分解来设计一个强大的核心集的大小多$( k d \log Δ)$平衡聚类。然后,我们表明,这种coreset是可实现的流和分布式设置。
2019-10-02 cs.DC cs.DS
Streaming Diameter of High-Dimensional Points
针对高维欧氏空间中直径、最远邻查询及最小包围球的流式近似,提出确定性算法,将存储空间改进为O(ε^{-2}log(1/ε))个点,较先前界提升ε^{-1}倍,并证明存储Ω(ε^{-1})个点对(√2+ε)近似是必要的。
2025-05-22 cs.DS
Optimal Quantile Approximation in Streams
本文解决了流计算模型中一个长期存在的基本问题。即分位数草图的优化构造。$\varepsilon$近似分位数草图接收项目流$x_1,\ldots,x_n$,并允许以至少$1-δ$的概率近似任何查询的等级,直到加性误差$\varepsilon n$。查询$x$的秩是使得$x_i \le x$.此任务所需的最小草图大小至少为$1/\varepsilon$。Felber和Ostrovsky获得了一个固定$δ$的$O((1/\varepsilon)\log(1/\varepsilon))$空间草图。迄今为止,甚至对于随机排列的流或对于近似特定分位数(例如,\中位数。本文得到了一个$O((1/\varepsilon)\log \log (1/δ))$空间简图和一个匹配下界。这解决了开放的问题,并证明了随机和确定性分位数草图之间的定性差距。我们的贡献之一是广泛使用的合并和减少建设的一种新的表示和修改。这种微妙的修改使得分析既紧凑又非常简单。类似的技术应该是有用的,以改善其他素描目标和几何核心建设。
2016-04-05 cs.DS
Relative Error Streaming Quantiles
针对流式数据秩估计的乘性误差需求,本文提出一种空间效率更优的随机化概要,其空间界接近最优,无需预知流长度且可完全合并,适用于并行分布式环境。
2023-08-24 cs.DS
Dynamic Graph Stream Algorithms in $o(n)$ Space
本文研究了动态流模型中的图问题,其中输入由一系列的边插入和删除定义。由于许多自然问题都需要$Ω(n)$空间,其中$n$是顶点数,现有的工作主要集中在设计$\tilde{O}(n)$空间算法上。虽然稠密图的边数是次线性的,但对于许多应用来说它仍然可能太大(例如$n$是巨大的或图是稀疏的)。在这项工作中,我们给出了两类问题的单通道算法击败这个空间障碍。我们提出了$o(n)$空间算法估计的连接组件的数量与附加误差$\varepsilon n$和$(1+\varepsilon)$ -近似的最小生成树的重量,任何小常数$\varepsilon>0$。后者改进了Ahn等人(SODA 2012)给出的有界边权连通图的$\tilde{O}(n)$空间算法。我们开始研究的近似图形属性测试的动态流模型,在那里我们要区分图形满足的属性是$\varepsilon$ -远离具有的属性的图形。我们考虑的问题,测试$k$ -边连通性,$k$ -顶点连通性,无圈性和二分性(平面图),为此,我们提供了算法使用大致$\tilde{O}(n^{1-\varepsilon})$空间,这是$o(n)$任何常数$\varepsilon$。为了补充我们的算法,我们提出了这些问题的$Ω(n^{1-O(\varepsilon)})$空间下界,这表明这种依赖于$\varepsilon$是必要的。
2016-04-30 cs.DS
Streaming Complexity Separations for Dense and Sparse Graphs
Carnegie Mellon University(卡内基梅隆大学)
研究揭示了在输出近似割时最大割问题流空间复杂度的分离,密集图需O(n/ε²)空间,稀疏图需Ω(n log(ε²n)/ε²)空间,同时改进了密集子图和常数 arity CSP 的流空间复杂度。
2026-05-10 cs.CC cs.DS
Coresets for Clustering in Euclidean Spaces: Importance Sampling is Nearly Optimal
给定$\mathbb{R}^d$中的$n$点的集合,$(k,z)$聚类问题的目标是找到$k$“中心”的子集,该子集使每个点到最近中心的欧几里得距离的$z$次幂之和最小化。$(k,z)$ -聚类问题的特殊情况包括$k$ -中位数和$k$ -均值问题。我们的主要结果是一个统一的两阶段重要性采样框架,构建了一个$\varepsilon$ -coreset的$(k,z)$ -聚类问题。与[Feldman和Langberg,STOC 2011]中的$(k,z)$聚类结果相比,我们的框架在核心集大小中节省了一个$\varepsilon^2 d$因子。与[Sohler and Woodruff,FOCS 2018]中的$(k,z)$聚类结果相比,我们的框架在核心集大小中节省了一个$\operatorname{poly}(k)$因子,并在构建时间中避免了$\exp(k/\varepsilon)$项。具体而言,我们的$k$ -中位数($z=1$)的coreset具有大小$\tilde{O}(\varepsilon^{-4} k)$,与[Sohler and Woodruff,STOC 2018]中的结果相比,在coreset大小中节省了一个$k$因子。我们的算法结果依赖于一个新的降维技术,连接两个著名的形状拟合问题:子空间近似和聚类,并可能是独立的利益。我们还提供了$(k,z)$ -聚类的$0.01…
2020-05-14 cs.CG cs.DC cs.DS
Static and Streaming Data Structures for Fréchet Distance Queries
给定一条曲线$P$,其中点在$\mathbb{R}^d$中,以流的方式,以及参数$\varepsilon>0$和$k$,我们构造一个使用$O(\frac{1}{\varepsilon})^{kd}\log\varepsilon^{-1}$空间的距离预言机,并且给定一条查询曲线$Q$,其中点在$\mathbb{R}^d$中,在$\tilde{O}(kd)$时间内返回$Q$和$P$之间的离散Fréchet距离的$1+\varepsilon$近似。此外,我们构造简化的流模型,Oracle的距离查询的子曲线(在静态设置),并引入放大的问题。我们的算法工作在任何维度$d$,因此,我们推广了一些有用的工具和算法的曲线下的离散Fréchet距离有效地工作在高维。
2020-07-21 cs.CG cs.DS
Streaming Algorithms for Bin Packing and Vector Scheduling
Department of Computer Science, University of Warwick(华威大学计算机科学系)
本文提出高效的流算法解决装箱和向量调度问题,实现近似最优解并优化空间复杂度。
2019-05-13 cs.DS
Almost Optimal Relative Error Streaming Quantiles with Full Mergeability
Computer Science Institute of Charles University(查理大学计算机科学研究所)
该研究设计了一种具备完全合并性的新型相对误差流分位数摘要,其空间复杂度更接近下界,且比现有最优算法更简单,更适合实现。
2026-10-13 cs.DS
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
Near-Optimal $k$-Clustering in the Sliding Window Model
本文首次在滑动窗口模型中给出 $(k,z)$-聚类的近最优 $(1+\varepsilon)$-近似算法,并提出在线核心集数据结构,证明其样本下界与离线核心集存在严格分离。
2023-11-01 cs.DS
Improved Coresets for Clustering with Capacity and Fairness Constraints
本文提出近线性时间 coreset 构造算法,通过自适应环采样和有效中心几何分析,显著改进容量与公平约束 (k,z)-聚类的 coreset 规模界。
2023-07-14 cs.CG cs.DS
An Efficient Semi-Streaming PTAS for Tournament Feedback ArcSet with Few Passes
我们提出了第一个半流PTAS的最小反馈弧集问题的有向竞赛在少量的通行证。也就是说,我们得到了一个$(1 + \varepsilon)$ -近似多项式时间$O \left( \text{poly}(n) 2^{\text{poly}(1/\varepsilon)} \right)$,与$p$通过$n^{1+1/p} \cdot \text{poly}\left(\frac{\log n}{\varepsilon}\right)$空间。具有这种通道/空间权衡的唯一先前算法给出了$3$近似(SODA,2020),并且实现了$(1+\varepsilon)$近似的其他多项式时间算法使用二次存储器或线性通道数来实现。我们还提出了一个新的时间/空间权衡$1$ -通过算法,解决比赛反馈弧集问题。这个问题在机器学习中有几个应用,例如创建线性分类器和进行贝叶斯推理。我们还提供了几个额外的算法和有向图,这是一个主要是未开发的领域相关的流问题的下界。
2021-09-14 cs.DS
Maximum Matching in Two, Three, and a Few More Passes Over Graph Streams
我们考虑Feigenbaum,Kannan,McGregor,Suri和Zhang的半流模型中的最大匹配问题,该模型受到当今巨型图的启发。作为我们的主要结果,我们给出了无三角形图的两遍$(1/2 + 1/16)$ -逼近算法和一般图的两遍$(1/2 + 1/32)$ -逼近算法,这改进了Konrad,Magniez和Mathieu的$1/2 + 1/52$对二分图和$1/2 + 1/140$对一般图的逼近率.在三个阶段中,我们分别得到了$1/2 + 1/10$对无三角形图的逼近比和$1/2 + 1/19.753$对一般图的逼近比。我们还给出了一个多遍算法,其中我们精确地限制了遍数-我们给出了一个$(2/3 -\varepsilon)$近似算法,该算法使用$2/(3\varepsilon)$遍用于无三角形图,使用$4/(3\varepsilon)$遍用于一般图。我们的算法是简单的和组合的,使用$O(n \log n)$空间,并有$O(1)$更新时间每边。对于一般的图,我们的多遍算法在遍数方面改进了最著名的确定性算法:Ahn和Guha给出了使用$O(\log(1/\varepsilon)/\varepsilon^2)$遍的$(2/3 - \varepsilon)$ -近似算法,而我们的$(2/3 - \varepsilon)$ -近似算法使用$4/(3\varepsilon)$遍;他们…
2017-04-21 cs.DS
Separations for Estimating Large Frequency Moments on Data Streams
我们研究了经典问题的矩估计的基础向量的$n$坐标是隐式定义通过一系列的更新数据流。我们表明,如果更新的向量到达随机顺序插入的唯一模型,那么存在空间有效的算法与改进的依赖近似参数$\varepsilon$。特别是,对于任何真正的$p > 2$,我们首先获得一个算法的$F_p$矩估计使用$\tilde{\mathcal{O}}\left(\frac{1}{\varepsilon^{4/p}}\cdot n^{1-2/p}\right)$位的内存。我们的技术还给出了算法$F_p$矩估计与$p>2$在任意阶插入只和旋转栅门流,使用$\tilde{\mathcal{O}}\left(\frac{1}{\varepsilon^{4/p}}\cdot n^{1-2/p}\right)$位的空间和两个通道,这是第一个最佳的多通道$F_p$估计算法高达$\log n$因素。最后,我们给出了一个改进的$Ω\left(\frac{1}{\varepsilon^2}\cdot n^{1-2/p}\right)$的一遍插入流的下界。我们的研究结果分离的复杂性,这个问题之间的随机和非随机的订单,以及单通和多通流。
2022-07-07 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
Distributed Algorithms for Euclidean Clustering
Google Research(谷歌研究院);Texas A&M University(德克萨斯农工大学);Carnegie Mellon University(卡内基梅隆大学)
本文提出分布式环境下欧几里得聚类的高效算法,通过改进通信复杂度实现(1+ε)-近似保证。
2026-03-09 cs.DS
Fair and Representative Subset Selection from Data Streams
University of Helsinki(赫尔辛基大学);Pompeu Fabra University(庞培法布拉大学);Eurecat(Eurecat技术中心)
我们研究的问题,从一个大的数据流中提取一个小的代表性项目的子集。在许多数据挖掘和机器学习应用中,例如社会网络分析和推荐系统,这个问题可以被公式化为最大化服从基数约束的单调子模函数$k$。在这项工作中,我们考虑设置在流中的数据项属于几个不相交的组之一,并调查的优化问题与一个额外的\emph{fairness}约束,限制选择到一个给定数量的项目从每个组。然后,我们提出了有效的算法的公平性感知的流子模块最大化问题的变体。特别是,我们首先给出了一个$ (\frac{1}{2}-\varepsilon) $近似算法,需要$ O(\frac{1}{\varepsilon} \log \frac{k}{\varepsilon}) $通过流的任何常数$ \varepsilon>0 $。此外,我们给出了一个单通流算法,具有相同的近似比的$(\frac{1}{2}-\varepsilon)$时,无限的缓冲区大小和后处理时间是允许的,并讨论如何适应更实际的设置,缓冲区大小是有界的。最后,我们证明了我们提出的算法的效率和有效性在两个现实世界的应用程序,即\emph{maximum coverage on large graphs}和\emph{personalized recommendation}。
2021-02-12 cs.DS cs.LG
Nearly Space-Optimal Graph and Hypergraph Sparsification in Insertion-Only Data Streams
Google Research(谷歌研究院);Carnegie Mellon University(卡内基梅隆大学);Texas A&M University(德克萨斯农工大学)
针对仅插入数据流,本文提出空间近乎最优的图与超图 (1+ε)-稀疏化算法,并扩展至最小割、在线、滑动窗口及对抗鲁棒设置。
2025-10-21 cs.DS
Near-Optimal Approximate Shortest Paths and Transshipment in Distributed and Streaming Models
我们提出了一种方法来解决转运问题-也被称为无容量限制的最小成本流-直到$1 + \varepsilon$在无向图中的乘法误差与非负边权重使用定制的梯度下降算法。使用$\tilde{O}(\cdot)$来隐藏$n$中的多对数因子(图中的节点数),我们的梯度下降算法进行$\tilde O(\varepsilon^{-2})$迭代,并且在每次迭代中,它解决转运问题的一个实例,直到$\operatorname{polylog} n$的乘法误差。特别是,这使我们能够通过计算对数拉伸的稀疏矩阵上的解来执行单次迭代。使用随机舍入方案,我们可以进一步扩展的方法,找到近似的单源最短路径(SSSP)问题的解决方案。因此,我们通过获得以下结果改进了先前的工作:(1)广播拥塞模型:$(1 + \varepsilon)$ -使用$\tilde{O}((\sqrt{n} + D)\varepsilon^{-3})$轮的近似SSSP,其中$ D $是网络的(跳)直径。(2)广播拥塞集团模型:$(1 + \varepsilon)$ -使用$\tilde{O}(\varepsilon^{-2})$轮的近似转运和SSSP。(3)多通道流式传输模型:$(1 + \varepsilon)$ -使用$\tilde{O}(n)$空间和$\tilde{O}(\varepsilon^{-2})$通道的近似转运和SSSP。这些模型…
2021-02-02 cs.DS
Tight Kernel Query Complexity of Kernel Ridge Regression and Kernel $k$-means Clustering
Carnegie Mellon University(卡内基梅隆大学)
我们提出了严格的下界的核评估所需的数量近似解决内核岭回归(KRR)和内核$k$ -均值聚类(KKMC)的$n$输入点。对于KRR,我们的相对误差逼近目标函数的最小值的界是$Ω(nd_{\mathrm{eff}}^λ/\varepsilon)$,其中$d_{\mathrm{eff}}^λ$是有效的统计维数,它紧到$\log(d_{\mathrm{eff}}^λ/\varepsilon)$因子。对于KKMC,我们找到一个$k$ -聚类实现目标函数的相对误差近似的界限是$Ω(nk/\varepsilon)$,这是紧到一个$\log(k/\varepsilon)$因素。我们的KRR结果解决了El Alaoui和Mahoney的一个开放问题的变体,即有效统计维度是否是抽样复杂性的下限。此外,对于重要的实际情况下,当输入是高斯的混合,我们提供了一个KKMC算法绕过上述下限。
2019-05-15 cs.DS cs.LG
Auction-Based Algorithms for Matroid Intersection: Near-Linear Query Complexity and Constant-Pass Semi-Streaming
CNRS, DIENS, PSL(法国国家科学研究中心、信息系研究所、巴黎文理研究大学);Kyoto University(京都大学)
本文提出基于拍卖的拟阵交框架,实现秩预言机模型下近线性查询复杂度的$(1-\u03b5)$近似算法,并首次获得常数遍半流式及确定性离线算法。
2026-10-01 cs.DS
Optimal Streaming Algorithms for Submodular Maximization with Cardinality Constraints
研究了流模型中非单调次模函数在基数约束下的最大化问题。我们的主要贡献是一个单通(半)流算法,使用大致$O(k / \varepsilon^2)$内存,其中$k$的大小约束。在流的末尾,我们的算法使用任何子模最大化的离线算法对其数据结构进行后处理,并获得近似保证为$\fracα{1+α}-\varepsilon$的解,其中$α$是离线算法的近似。如果我们使用精确(指数时间)后处理算法,这将导致$\frac{1}{2}-\varepsilon$近似(这几乎是最佳的)。如果我们使用Buchbinder和Feldman的算法(OR 2019数学)进行后处理,该算法实现了$α=0.385$的最先进离线近似保证,则我们获得了多项式时间内的$0.2779$近似,优于Feldman等人(NeurIPS 2018)之前$0.1715$的最佳多项式时间近似。值得一提的是,我们的算法是组合的和确定性的,这是罕见的非单调子模最大化算法,并享有快速的更新时间$O(\frac{\log k + \log (1/α)}{\varepsilon^2})$每个元素。
2020-08-10 cs.DS
A Simple and Fast $(3+\varepsilon)$-approximation for Constrained Correlation Clustering
Texas A&M University(德克萨斯农工大学)
针对受限相关性聚类问题,提出基于覆盖线性规划的$(3+\varepsilon)$-近似算法,在保持$\tilde{O}(n^3)$时间复杂度与简单性的同时显著降低了近似因子。
2025-11-04 cs.DM cs.DS
Pseudometric-Weighted Correlation Clustering via Spectral Preclustering
Seoul National University(首尔大学);New York University(纽约大学);University of Michigan(密歇根大学)
本文针对伪度量加权相关聚类问题,提出基于谱预聚类的随机多项式时间算法,实现$(2+\varepsilon)$近似,优于先前$10/3$因子,通过簇-LP框架和常数长度随机游走实现。
2026-09-16 cs.DS
Heavy hitters via cluster-preserving clustering
Aarhus University(奥胡斯大学);Harvard University(哈佛大学);Toyota Technological Institute at Chicago(芝加哥丰田技术研究院);University of Copenhagen(哥本哈根大学)
在旋转栅门$\ell_p$ $\varepsilon$ -重打击者中,一个人保持一个高维$x\in\mathbb{R}^n$服从$\texttt{update}(i,Δ)$导致$x_i\leftarrow x_i + Δ$,其中$i\in[n]$,$Δ\in\mathbb{R}$。在接收到查询时,目标是报告包含具有$|x_i| \ge \varepsilon \|x_{\overline{1/\varepsilon^p}}\|_p$的每个“重量级”$i\in[n]$的小列表$L\subset[n]$、$|L| = O(1/\varepsilon^p)$,其中$x_{\overline{k}}$表示通过将$x$的最大$k$条目在幅度上归零而获得的向量。对于任何$p\in(0,2]$,CountSketch使用具有$O(\log n)$更新时间的空间的$O(\varepsilon^{-p}\log n)$字来解决$\ell_p$重命中器,$O(n\log n)$查询时间用于输出$L$,并且其在任何查询之后的输出以高概率(whp)$1 - 1/poly(n)$是正确的。不幸的是,查询时间非常慢。为了弥补这一点,工作[CM 05]提出了严格的旋转栅门模型中的$p=1$,一个whp正确的算法实现次优空间$O(\varepsilon^{-1}\log^2 n)$,更差的更新时间$O(\log^…
2016-04-05 cs.DS cs.LG
On Optimal Coreset Construction for Euclidean $(k,z)$-Clustering
该研究针对欧氏$(k,z)$-聚类核心集规模的上下界差距问题,提出了新的最优下界及改进的上界构造算法,明确了大参数范围内的最优核心集规模。
2024-03-13 cs.CG cs.DS
Fast, Space-Optimal Streaming Algorithms for Clustering and Subspace Embeddings
本文提出流式聚类和子空间嵌入算法,实现空间最优和时间最优,与离线设置效率相当。
2025-04-22 cs.DS
Frequency Estimation Under Multiparty Differential Privacy: One-shot and Streaming
Hong Kong University of Science and Technology(香港科技大学);University of Warwick(华威大学)
我们研究了隐私和通信约束下的频率估计的基本问题,其中数据分布在$k$各方之间。我们考虑两种应用场景:(1)单次,其中数据是静态的,聚合器进行一次性计算;(2)流式传输,其中每一方随着时间的推移接收项目流,聚合器不断监控频率。我们采用多方差分隐私(MDP)模型,它比局部差分隐私(LDP)和(集中式)差分隐私更具有一般性。我们的协议实现最优性(对数因子)允许的两个约束条件中更严格的。特别是,当专用于$\varepsilon$ -LDP模型时,我们的协议使用$O(k\max\{ \varepsilon, \frac{1}{\varepsilon} \})$通信位和$O(k \log u)$公共随机位实现了$\sqrt{k}/(e^{Θ(\varepsilon)}-1)$的错误,其中$u$是域的大小.
2021-05-29 cs.CR cs.DS cs.LG
Space Complexity of Minimum Cut Problems in Single-Pass Streams
本文研究单遍插入流中的最小割空间复杂度,提出近优空间的谱割、最小割与有效电阻流式算法,并给出随机顺序精确算法及确定性下界。
2024-12-06 cs.DS
A Dichotomy Theorem for Multi-Pass Streaming CSPs
Massachusetts Institute of Technology(麻省理工学院)
本文研究了多轮流式处理CSPs的二元定理,提出了一种常数轮次的随机流式算法,以及证明了任何解决特定CSPs问题的算法必须使用Ω(n^{1/3}/p)空间。
2026-04-01 cs.CC cs.DS
Sublinear Estimation of Weighted Matchings in Dynamic Data Streams
本文提出了一种通过扩充任意一个未加权匹配大小的估计程序来估计最大加权匹配的权值的算法。该算法可在包括动态图流在内的任何流模型中实现。我们还给出了平面图(或任何有界荫度的图)的动态图流中的最大匹配大小的第一个常数估计使用$\tilde{O}(n^{4/5})$空间,也扩展到加权匹配。利用Kapralov,Khanna和Sudan(2014)的先前结果,我们分别获得了随机顺序流中使用$\mathrm{polylog}(n)$空间的一般图的$\mathrm{polylog}(n)$近似。此外,我们给出了一个空间下界的$Ω(n^{1-\varepsilon})$的任何随机算法估计的最大匹配的大小为一个$1+O(\varepsilon)$因素的对抗流。
2015-07-09 cs.DS
Optimal streaming and tracking distinct elements with high probability
不同元素问题是流算法的基本问题之一-给定$\{1,\ldots,n\}$范围内的整数流,我们希望提供一个$(1+\varepsilon)$近似输入中不同元素的数量。经过长时间的研究,Kane、Nelson和Woodruff在2010年使用$\mathcal{O}(\frac{1}{\varepsilon^2}+\log n)$空间位给出了这个问题的最佳解决方案,并具有恒定的成功概率。为了实现低故障概率$δ$而使用的标准方法是取原始算法的$\log δ^{-1}$并行重复的中值。我们表明,这样一个乘法空间爆破是不必要的:我们提供了一个最佳算法,使用$\mathcal{O}(\frac{\log δ^{-1}}{\varepsilon^2} + \log n)$位的空间-匹配已知的下界这个问题。也就是说,$\logδ^{-1}$因子不与$\log n$项相乘。这完全解决了离散元问题关于所有标准参数的空间复杂性。我们还考虑了不同元素问题的\emph{strong tracking}(或\emph{continuous monitoring})变体,其中我们需要一种算法,该算法在流的所有时间提供到目前为止所看到的不同元素的数量的近似值。我们表明,这种变体可以解决使用$\mathcal{O}(\frac{\log \log n + \log δ^{-1}}{\varepsilon^2} + …
2019-01-04 cs.DS
Fair Coresets and Streaming Algorithms for Fair k-Means Clustering
我们研究了Chierichetti等人提出的公平聚类问题(NIPS 2017)。在这里,点具有敏感属性,并且解决方案中的所有聚类都需要相对于它进行平衡(以抵消任何形式的数据固有偏差)。以前的算法公平聚类不伸缩性好。我们展示了如何建模和计算所谓的coresets公平聚类问题,它可以用来显着减少输入数据的大小。我们证明了coresets是可组合的,并展示了如何计算它们在流设置。此外,我们提出了一个变种的劳埃德算法,计算公平聚类,并将其扩展到一个公平的k-means++聚类算法。我们实现这些算法,并提供经验证据表明,我们的近似算法和coreset建设的组合产生一个可扩展的算法公平的k-均值聚类。
2021-03-09 cs.DS
Fair Clustering in the Sliding Window Model
研究滑动窗口模型中的比例公平聚类流式算法,证明严格公平下无法实现有限乘法比率,但放宽约束后存在空间高效的近似算法,并在真实数据集上验证了理论。
2025-03-07 cs.DS
Dynamic k-center clustering with lifetimes
University of Padova(帕多瓦大学);Max Planck Institute of Biochemistry(马克斯·普朗克生物化学研究所)
本文提出一种新的动态k中心聚类模型,允许任意点的到达和删除,但删除时间在点到达时已知。设计了两种近似算法,分别在平均更新时间和内存使用上达到线性,或在最坏情况下达到亚线性内存使用。
2026-10-22 cs.DS
Pseudorandom Hashing for Space-bounded Computation with Applications in Streaming
本文提出了一种新的伪随机生成器HashPRG,用于改进空间受限计算的去随机化,并在不牺牲空间的前提下显著提升了多种数据流算法(如F_p估计和CountSketch)的更新时间,同时证明了相关算法空间复杂度的最优性及可打破特定下界。
2024-01-04 cs.DS
Estimating Correlation Clustering Cost in Node-Arrival Stream
Indiana University(印第安纳大学)
本文研究了节点到达流模型中的相关聚类问题,提出C$^4$Approx算法,在子线性空间和常数遍历次数下近似计算相关聚类成本,并通过实验验证其在稀疏图上的性能。
2026-05-08 cs.DS
Half-Approximating Maximum Dicut in the Streaming Setting
Northeastern University(东北大学)
本文研究了在流模型下最大有向割问题的近似算法,证明在一般图中使用亚线性空间可实现(1/2-ε)近似,解决了该基础问题的近似复杂性。
2026-03-31 cs.DS
Outliers Detection Is Not So Hard: Approximation Algorithms for Robust Clustering Problems Using Local Search Techniques
在本文中,我们考虑了两种类型的稳健模型的$k$ -median/ $k$ -means问题:离群版本($k$ -MedO/ $k$ -MeaO)和惩罚版本($k$ -MedP/ $k$ -MeaP),其中我们可以标记一些点作为离群值,并丢弃它们。在$k$ -MedO/ $k$ -MeaO中,离群值的数量由给定整数限定。在$k$ -MedP/ $k$ -MeaP中,我们不限制离群值的数量,但每个离群值将产生惩罚成本。我们开发了一种新的技术来分析这两个问题的局部搜索算法的近似比,通过引入一个自适应的集群,可以捕获有用的信息离群在本地和全球最优解。对于$k$,我们将基于局部搜索的最佳逼近比从$25+\varepsilon$改进为$9+\varepsilon$ .对于$k$ -MedP,我们得到了最好的近似比。对于$k$ -MedO/ $k$ -MeaO,只存在两种基于局部搜索的双准则近似算法。一个违反了离群值约束(离群值数量的约束),而另一个违反了基数约束(聚类数量的约束)。我们考虑了前一种算法,对$k$ -MedO的逼近比从$17+\varepsilon$改进到$3+\varepsilon$,对$k$ -MeaO的逼近比从$274+\varepsilon$改进到$9+\varepsilon$.
2020-12-30 cs.DS math.CO
S-RASTER: Contraction Clustering for Evolving Data Streams
Fraunhofer-Chalmers Research Centre for Industrial Mathematics(弗劳恩霍夫-查尔姆斯工业数学研究中心);Fraunhofer Center for Machine Learning(弗劳恩霍夫机器学习中心)
压缩聚类(RASTER)是一种单遍算法,用于对2D数据进行基于密度的聚类。它可以在线性时间和恒定内存中处理任意数量的数据,快速识别近似聚类。它还表现出良好的可扩展性,在存在多个CPU核心。与标准聚类算法相比,RASTER具有非常有竞争力的性能,但代价是精度降低。然而,RASTER仅限于批处理,无法识别临时存在的簇。相比之下,S-RASTER是RASTER的流处理范式的适应,能够识别不断变化的数据流中的集群。该算法保留了其父算法的主要优点,即单次通过线性时间成本和滑动窗口内每个离散时间步长的恒定内存需求。滑动窗口被有效地修剪,并且聚类仍然在线性时间内执行。像RASTER一样,S-RASTER在速度上牺牲了通常可以忽略不计的精度。我们的评估表明,竞争算法至少慢50%。此外,S-RASTER显示出良好的定性结果,基于标准度量。它非常适合于真实世界的场景,其中集群不会持续发生,而是周期性发生。
2020-09-16 cs.DC cs.DS cs.LG
Streaming Property Testing of Visibly Pushdown Languages
在语言识别的背景下,我们证明了流属性测试程序对流算法和属性测试程序的优越性,当它们不相结合时。由Feigenbaum等人发起,流式特性测试器是在特性测试近似下识别语言的流式算法:它必须将语言的输入与那些远离它的$\varepsilon$区分开,同时使用最小可能的存储器(而不是限制其输入查询的数量)。我们的主要结果是一个流$\varepsilon$ -属性测试明显下推语言(VPL)与单侧错误使用内存空间$\mathrm{poly}((\log n) / \varepsilon)$。这种结构依赖于一个(非流)属性测试仪加权正则语言的基础上,以前的测试仪由阿隆等人。我们提供了一个简单的应用程序,这个测试仪流测试特殊情况下的VPL已经很难流算法和属性测试。我们的主要算法是一个原始的模拟相结合的明显下推自动机使用堆栈的高度小,但可能的线性大小的项目。在第二步中,这些项目被小草图取代。这些草图依赖于我们引入的后缀采样的概念。这种采样是将我们的流测试器算法连接到属性测试器的关键思想。
2015-11-03 cs.CC cs.DS
Tight Bounds for Low-Error Frequency Moment Estimation and the Power of Multiple Passes
本文解决了小误差下二阶频率矩估计的最优空间复杂度,证明需存储整个流,并首次展示一遍与多遍扫描在空间上的渐近分离。
2025-09-09 cs.DS
Streaming k-Means Clustering with Fast Queries
我们提出了一个流上的k-均值聚类方法,重点是提供快速响应聚类查询。与当前最先进的方法相比,我们的方法在集群中心的查询时间上有了实质性的改进,同时保留了可证明的小近似误差和低空间使用率的理想特性。我们的算法依赖于一个新的想法“coreset缓存”,系统地重用coresets(数据摘要)计算最近的查询,回答当前的聚类查询。我们提出了理论分析和详细的实验证明其正确性和效率
2018-12-06 cs.DS cs.SE
$L_p$ Pattern Matching in a Stream
我们考虑的问题之间的距离计算模式的长度$n$和所有$n$长度的子字的文本在流模型。在流设置中,仅研究了汉明距离($L_0$)。已知计算模式和流文本之间的精确汉明距离需要$Ω(n)$空间(民间传说)。因此,要发展次线性空间的解决方案,必须放宽他们的要求。这样做的一种可能性是仅计算由阈值$k$界定的距离,参见[SODA'19,Clifford,Kociumaka,Porat]及其参考文献。这个问题的这个变体的动机是,我们感兴趣的是文本中与模式相似的子词,即子词与模式之间的距离相对较小。另一方面,流式设置的主要应用是处理大规模数据,例如生物数据。硬件技术的最新进展允许以非常高的速度生成这样的数据,但不幸的是,所产生的数据可能包含约10%的噪声~[Biol. Direct. '07,Klebanov and Yakovlev].为了分析这些数据,仅仅考虑小距离是不够的。此问题的一种可能的解决方法是使用$(1\pm\varepsilon)$近似。这条线的研究开始于[ICALP'16,Clifford和Starikovskaya]谁给了$(1\pm\varepsilon)$ -近似算法与空间~ $\tilde{O}(\varepsilon^{-5}\sqrt{n})$。在这项工作中,我们展示了一套新的流式算法计算汉明,$L_1$,$L_2$和一般$L_p$($0 < p < 2$)模式和文本之…
2020-11-08 cs.DS
Achieving Approximate Soft Clustering in Data Streams
AT&T Labs - Research(AT&T实验室 - 研究)
近年来,数据流由于技术的进步而变得突出,这些技术使许多应用程序能够生成连续的数据流。这增加了开发能够有效处理数据流的算法的需求。此外,数据流的实时性要求和不断变化的性质使得流挖掘问题,包括聚类,具有挑战性的研究问题。在本文中,我们提出了一个单通道流软聚类(一个点在集群中的成员是由分布描述)算法,它近似于“软”版本的k-均值目标函数。软聚类在数据库和机器学习的各个方面都有应用,包括密度估计和学习混合模型。我们首先实现一个简单的伪近似的“硬”k均值算法,该算法允许输出多个$k$中心。我们将此批处理算法转换为流处理算法(使用最近提出的k-means++算法的扩展)的“收银机”模型。我们还扩展了该算法的聚类时,在数据流中的移动窗口。
2012-07-26 cs.AI cs.DS
Clustering Co-occurrence of Maximal Frequent Patterns in Streams
Leiden Institute of Advanced Computer Science(莱顿高级计算机科学研究所);Leiden University(莱顿大学)
更好地查看数据的一种方法是使用频繁模式。在本文中,频繁模式是指在一个项集中出现次数最少的子集。然而,流中频繁模式的发现一直是有问题的。因为流可能是无止境的,所以原则上不可能说一个模式是否经常发生。此外,模式的数量可能是巨大的,并且流的结构的良好概述很快就会丢失。所提出的方法将使用聚类来促进流的结构的分析。对模式同现的聚类将为用户提供关于流结构的改进视图。有些模式可能会同时出现,因此它们应该形成一个组合模式。这样,聚类中的模式将是最大频繁模式:最大频繁模式。我们的方法来决定,如果模式经常出现在一起,将基于一种方法的聚类时,只有对之间的距离是已知的。最大频繁模式的数量要小得多,结合聚类方法,这些模式提供了一个很好的视图上的流的结构。
2007-05-04 cs.AI cs.DS