利用几何信息加速k-means++算法
机器学习
2024-08-26 v1 人工智能
摘要
本文提出了一种利用几何信息加速精确k-means++算法的方法，具体包括三角不等式和额外的范数过滤器，以及两步抽样程序。我们的实验表明，加速后的版本在访问点数和距离计算次数方面均优于标准k-means++版本，随着聚类数的增加，加速效果更为显著。特别是利用三角不等式的版本在低维数据上效果尤为突出，而额外的基于范数的过滤器则在高维数据集中点范数差异较大的实例中提升性能。额外的实验还显示了我们的算法在跨多个作业并行执行时的行为，以及内存性能对实际加速速度的影响。
引用
@article{arxiv.2408.13189,
title = {Accelerating the k-means++ Algorithm by Using Geometric Information},
author = {Guillem Rodríguez Corominas and Maria J. Blesa and Christian Blum},
journal= {arXiv preprint arXiv:2408.13189},
year = {2024}
}