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
Constrained clustering via diagrams: A unified theory and its applications to electoral district design
基于几何聚类与图的紧密联系,提出了一种约束聚类的通用框架。各种新的结构和算法的结果证明(和已知的结果推广和统一),这表明该方法是计算效率和灵活性,足以追求各种冲突的需求。该模型的实力也证明了实际上在现实世界的情况下,一个国家的城市的选区设计问题,必须分组到地区的人口几乎相等,同时遵守一定的政治动机的要求。
2017-04-07 cs.DS math.CO
Sketching semidefinite programs for faster clustering
The Ohio State University(俄亥俄州立大学)
许多聚类问题都可以用半定规划来解决。在这方面的理论结果经常考虑数据与种植集群和信号强度的概念,这样的半定程序完全恢复种植集群时,信号强度足够大。在实践中,半定程序是出了名的慢,所以加速是受欢迎的。在本文中,我们将展示如何勾画一个流行的半定松弛的图聚类问题称为最小二分法,我们的分析支持一个元索赔的聚类任务是计算负担较轻时,有更多的信号。
2020-08-10 cs.DS cs.IT cs.LG
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
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
The Power of Uniform Sampling for Coresets
出于实际推广的经典$k$ -中位数和$k$ -手段的目标,如集群的大小限制,公平聚类,和Wasserstein重心,我们引入了一个元定理设计约束聚类问题的核心集。元定理减少了coreset建设的任务,一个有界数量的环的实例与一个非常宽松的添加剂错误。这种减少使我们能够使用均匀采样来构造核心集,而不是广泛使用的重要性采样,因此我们可以很容易地处理约束目标。值得注意的是,也许令人惊讶的是,这种更简单的采样方案可以产生其大小与$n$(输入点的数量)无关的核心集。我们的技术产生较小的核心集,有时是第一个核心集,大量的约束聚类问题,包括容量限制聚类,公平聚类,欧几里德Wasserstein重心,在未成年人排除图聚类,和多边形聚类下Fréchet和Hausdorff距离。最后,我们的技术也产生较小的coreset的$1$ -中位数在低维欧氏空间,特别是大小$\tilde{O}(\varepsilon^{-1.5})$在$\mathbb{R}^2$和$\tilde{O}(\varepsilon^{-1.6})$在$\mathbb{R}^3$。
2022-09-18 cs.DS
Faster Coreset Construction for Projective Clustering via Low-Rank Approximation
在这项工作中,我们提出了一个随机coreset建设的投影聚类,其中包括计算一组$k$最接近的$j$维线性(仿射)子空间的一组给定的$d$维度的$n$向量。令$A \in \mathbb{R}^{n\times d}$为输入矩阵。Feldman \textit{et. al.}的早期确定性coreset构造依赖于计算$A$的SVD。用于SVD的最佳已知算法需要$\min\{nd^2, n^2d\}$时间,这对于$n$和$d$的大值可能是不可行的。通过将矩阵$A$的行投影到与矩阵$A$的右奇异向量非常接近的正交向量上,提出了一种核集构造方法.因此,当$k$和$j$的值较小时,与Feldman \textit{et. al.}的算法相比,我们能够实现更快的算法,同时保持几乎相同的近似。我们还受益于空间以及利用输入数据集的稀疏性。我们的方法的另一个优点是,它可以在流设置中非常有效地构建。
2018-07-16 cs.CG cs.DS
Faster Randomized and Deterministic k-Clustering on Graphs
University of Salzburg(萨尔茨堡大学);Vrije Universiteit Amsterdam(阿姆斯特丹自由大学);CWI Amsterdam(荷兰数学与计算机科学研究所学);University of Warwick(华威大学)
研究图上(k,z)聚类和k中心问题,给出图上k中心确定性算法、(k,z)聚类随机算法及另一种(k,z)聚类确定性算法,在不同时间复杂度下达到相应近似比,多数算法具增量性。
2026-07-09 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
Constrained Correlation Clustering: Towards Optimality
Sharif University of Technology(谢里夫理工大学);Max Planck Institute for Informatics & Saarland Informatics Campus(马克斯·普朗克计算机科学研究所与萨尔兰信息学校区);University of Cologne(科隆大学)
本研究针对带约束的相关聚类,将其最优近似因子区间缩小至[2,16/7-γ),并证明聚类删除的2-近似算法是最优的,明确了其与普通相关聚类的近似难度差距。
2026-08-07 cs.CC cs.DS
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
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 morphological hierarchical representations for image processing and spatial data clustering
在分类和数据聚类的背景下,层次数据表示是在五十年代提出的。最近,分层图像表示已经获得了新的兴趣分割的目的。在本文中,我们简要地调查层次聚类的基本成果,然后详细介绍了最近的范例开发的数学形态学的框架中的图像的层次表示:约束连接和超度量流域。受约束的连接可以被看作是一种方式来约束一个初始的层次结构,在这样一种方式,一组所需的约束是satised。超度量流域的框架提供了一个通用的计划,用于计算任何层次连接的聚类,特别是当这样的层次结构受到约束。这个框架解决实际问题的适用性说明了在遥感中的应用。
2012-09-18 cs.DM cs.DS
How to Use Temporal-Driven Constrained Clustering to Detect Typical Evolutions
University Lumière Lyon 2(里昂第二大学)
在本文中,我们提出了一个新的时间感知的相异性措施,考虑到时间维度。在描述空间中接近但在时间上遥远的观察被认为是不相似的。我们还提出了一种方法来执行分割的连续性,通过引入,在目标函数中,从正态分布函数的启发惩罚项。我们将这两个命题结合成一个新的时间驱动的约束聚类算法,称为TDCK-手段,它创建一个分区的连贯的集群,无论是在多维空间和时间空间。该算法使用软半监督约束,鼓励属于同一实体的相邻观测被分配到同一聚类。我们将我们的算法应用于政治研究数据集,以检测典型的进化阶段。我们适应香农熵,以衡量实体的邻接,我们表明,我们的主张一贯提高集群的时间凝聚力,没有任何显着的损失,在多维方差。
2016-01-11 cs.DS cs.LG
Partitioning Complex Networks via Size-constrained Clustering
在实践中,最常用的方法来解决图划分问题是多层次的方法。在粗化阶段期间,多级图划分算法通过迭代地收缩节点和边来减小图的大小,直到图足够小以被某个其他算法划分为止。然后,通过连续地将解转移到下一个更精细的图并应用局部搜索算法来改进当前解来构造输入图的分区。在本文中,我们描述了一种新的方法来有效地划分图,特别是如果网络具有高度不规则的结构。更确切地说,我们的算法提供了图形粗化迭代收缩使用标签传播算法计算的大小受限的聚类。提供大小受限聚类的相同算法也可以在粗化期间用作快速且简单的局部搜索算法。根据算法的配置,我们能够计算出性能优于所有竞争对手的非常高质量的分区,或者在质量方面与最佳竞争对手hMetis相当的分区,同时平均快了近一个数量级。最快的配置使用一台机器在大约10分钟内分割出我们可用的最大图,其中有33亿条边,而切割的边不到最快的竞争对手kMetis的一半。
2014-03-25 cs.DC cs.DS cs.SI
Parallel Index-Based Structural Graph Clustering and Its Approximation
SCAN(Structural Clustering Algorithm for Networks)是一种研究得很好、应用广泛的图聚类算法。然而,对于大型图,顺序SCAN变体非常慢,并且并行SCAN变体不能在具有不同SCAN参数设置的查询之间有效地共享工作。由于SCAN的用户经常探索许多参数设置来找到好的聚类,因此值得预先计算一个索引来加速查询。本文在最近提出的一种顺序算法GS*-Index的基础上,提出了一种实用的、可证明有效的基于索引的并行SCAN算法。我们的并行算法通过使用整数排序改进了顺序算法的渐近工作。它也是高度并行的,实现了索引构建和聚类查询的对数跨度(并行时间)。此外,我们应用局部敏感哈希(LSH)设计一种新的近似SCAN算法,并证明其聚类行为的保证。我们提出了一个实验评估我们的算法在大型现实世界的图形。在具有双向超线程的48核机器上,我们的并行索引构造比GS*-Index构造实现了50- 151 $\times$的加速。事实上,即使在单线程上,我们的索引构造算法也比GS*-Index快。我们的并行索引查询实现实现了5- 32 $\times$加速GS*-索引查询在一系列的SCAN参数值,我们的实现总是比ppSCAN,一个国家的最先进的并行SCAN算法。此外,我们的实验表明,应用LSH的结果在更快的索引建设,同时保持良好的聚类质量。
2021-03-30 cs.DB cs.DC cs.DS
Scalable Iterative Algorithm for Robust Subspace Clustering
子空间聚类(SC)是一种流行的高维数据降维方法,它推广了主成分分析(PCA)。最近,已经提出了几种方法来提高PCA和SC的鲁棒性,但大多数方法在计算上非常昂贵,特别是对于高维大规模数据。在本文中,我们开发了更快的迭代算法SC,将鲁棒性使用{ \em非平方} $\ell_2$规范的目标。用于优化目标的已知实现将是昂贵的,这是由于两个单独的目标的替代优化:最佳聚类成员分配和鲁棒子空间选择,而一个过程的替代更快的代理可能会导致收敛失败。为了解决这个问题,我们使用一个简化的过程,需要有效的矩阵向量乘法子空间更新,而不是解决一个昂贵的特征向量问题,在每次迭代,除了释放嵌套的强大的PCA循环。我们证明了所提出的算法单调收敛到一个局部最小的近似保证,例如,它实现了鲁棒PCA目标的2-近似。在我们的实验中,所提出的算法被证明比已知的优化相同目标的算法收敛速度快一个数量级,并且在MNIST数据集的准确性和运行时间方面优于先前的子空间聚类方法。
2015-06-05 cs.DS cs.LG
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
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
Wedge Sampling for Computing Clustering Coefficients and Triangle Counts on Large Graphs
图用于在各种上下文中对交互进行建模,并且越来越需要快速评估此类图的结构。一些最有用的图形指标是基于三角形的,比如那些衡量社会凝聚力的指标。计算它们的算法可能非常昂贵,即使是只有数百万条边的中等大小的图。以前的工作已经考虑了节点和边缘采样;相比之下,我们考虑楔形采样,它提供了比竞争技术更快,更准确的近似。此外,楔形采样能够估计局部聚类系数、度聚类系数、均匀三角形采样和定向三角形计数。我们的方法为所有计算提供了可证明和实用的概率误差估计。我们提供了大量的结果,表明我们的方法比最先进的替代方案更准确,更快。
2014-01-14 cs.DS cs.SI
Guarantees for Spectral Clustering with Fairness Constraints
Rutgers University(罗格斯大学);Georgia Tech(佐治亚理工学院)
鉴于谱聚类(SC)用于划分图数据的广泛流行,我们研究了一种受约束的SC版本,其中我们试图纳入Chierichetti等人提出的公平性概念。根据这个概念,如果每个人口统计组在每个聚类中近似地按比例表示,则聚类是公平的。为此,我们开发了规范化和非规范化约束SC的变体,并表明它们有助于在合成和真实数据上找到更公平的聚类。我们还提供了一个严格的理论分析,我们的算法上的一个自然的随机块模型,其中$h$组有很强的组间连接,但也表现出一个“自然”的聚类结构,这是公平的。我们证明,我们的算法可以恢复这种公平的聚类概率很高。
2019-05-10 cs.DS cs.LG stat.ML
(Semi-)External Algorithms for Graph Partitioning and Clustering
在本文中,我们开发了半外部和外部存储器算法的图划分和聚类问题。图划分和聚类是处理和分析大型复杂网络的关键工具。我们解决这两个问题的(半)外部模型,通过调整大小约束的标签传播技术。我们的(半)外部尺寸约束的标签传播算法可以用来计算图聚类,是(半)外部图划分算法的先决条件。然后,该算法用于粗化和细化阶段的多级算法计算图分区。我们的算法能够在廉价的商品机器上划分和聚类具有数十亿条边的巨大复杂网络。实验表明,半外部图划分算法是可扩展的,可以计算高质量的分区的时间是一个有效的内部存储器实现的运行时间相媲美。半外部模型中的算法的并行化进一步减少了运行时间。
2014-09-22 cs.DS cs.SI
Cyclic space-filling curves and their clustering property
本文介绍了一种构造循环空间填充曲线的算法。一种特殊的构造提供了一系列在所有维度上的空间填充曲线(H曲线)。在聚类性质的意义上,它们在这里与希尔伯特曲线进行了比较,事实证明,所构造的曲线非常接近,有时比希尔伯特曲线好一点。与此同时,它的构造更简单,评估速度也明显更快。
2020-06-18 cs.CG cs.DS
Local algorithms for interactive clustering
Princeton University(普林斯顿大学);Carnegie Mellon University(卡内基梅隆大学);Google(谷歌)
我们研究了满足自然稳定性假设的交互式聚类算法的设计。我们的算法从任何初始聚类开始,在每一步中只进行局部更改;这两个功能在许多应用中都是理想的。我们表明,在这种约束设置仍然可以设计可证明有效的算法,产生准确的聚类。我们还表明,我们的算法在现实世界的数据上表现良好。
2015-03-19 cs.DS cs.LG
Coresets for Constrained Clustering: General Assignment Constraints and Improved Size Bounds
该研究针对通用约束聚类问题,提出含容量、分配结构的通用分配约束类,构建对应核心集,显著改进现有规模界,还首次得到多种场景下的小规模ε-核心集。
2024-10-10 cs.CG cs.DS
Efficient Parallel Algorithms for k-Center Clustering
k-中心问题是几个经典的NP-难聚类问题之一。对于当代的海量数据集,基于RAM的算法变得不切实际。虽然有很好的顺序算法的k-中心,他们是不容易并行化。在本文中,我们设计并实现了并行近似算法为这个问题。我们观察到,冈萨雷斯的贪心算法可以有效地并行化在几个MapReduce轮,在实践中,我们发现,两轮是足够的,导致4-近似。我们将此与现有的k-中心并行算法进行对比,该算法在恒定数量的轮中运行,并提供10-近似。深入的运行时分析表明,这种方案通常很慢,并且其采样过程仅在k相对于输入大小足够小时才运行。为了在运行时间和近似保证之间进行权衡,我们对该采样算法进行了参数化,并在实验中发现该算法不仅速度更快,而且有时更有效。然而,Gonzalez的并行版本比其顺序版本和并行采样算法快约100倍,几乎不影响解决方案质量。
2016-04-12 cs.DC cs.DS
Provably faster randomized and quantum algorithms for $k$-means clustering via uniform sampling
JPMorganChase(摩根大通)
本文提出基于均匀采样的随机化小批量与量子 $k$-均值算法,其最坏情况复杂度显著优于先前基于范数采样的方法,核心贡献在于利用均匀采样保留问题对称性以实现可证明加速。
2025-10-13 cs.DS cs.LG quant-ph
Doubly Constrained Fair Clustering
University of Maryland, College Park(马里兰大学帕克分校);University of Washington(华盛顿大学)
本文研究公平聚类中群体公平性(GF)与中心选择多样性(DS)两种约束的关系,证明从单一约束的常数近似算法可得到同时满足两种约束的常数近似解,并揭示了二者与其他基于距离的公平性概念的不兼容性。
2023-05-31 cs.AI 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