相关聚类与(去)稀疏化：图草图可匹配经典算法
最优化与控制
2025-04-08 v1
摘要
相关聚类是一种广泛使用的方法，仅基于成对相似性信息对大数据集进行聚类。在最近的几年中，针对这一问题的经典算法不断取得更好的近似效果。与此同时，另一线研究工作致力于将经典进展移植到各种亚线性算法模型中，包括半流式、Massively Parallel Computation（MPC）和分布式计算。然而，这些后者工作通常依赖于 ad-hoc 方法，可能不一定跟上经典算法所实现的近似比率的提升。因此，本工作的 motivating 问题是：以一种\emph{黑盒方式}，可以将经典算法为相关聚类所取得的收益移植到亚线性算法中吗？我们通过引入图去稀疏化范式，肯定回答了这个问题。
引用
@article{arxiv.2504.04257,
title = {A model for pricing freight rail transport access costs: economic and environmental perspectives},
author = {Ricardo García-Ródenas and Esteve Codina and Luis Cadarso and María Luz López-García and José Ángel Martín-Baos},
journal= {arXiv preprint arXiv:2504.04257},
year = {2025}
}