Ball k-means
机器学习
2020-05-05 v1 机器学习
摘要
本文提出一种新颖的加速精确 k-means 算法，称为 Ball k-means 算法，其用球来描述簇，侧重于减少点-质心距离计算。Ball k-means 能准确找出每个簇的邻簇，从而仅在点与其邻簇质心之间而非所有质心之间进行距离计算。此外，每个簇可划分为稳定区与活跃区，后者可进一步划分为环形区。稳定区内点的所属簇在当前迭代中不变，而环形区内的点将在当前迭代中于少数邻簇间调整。同时，所提 Ball k-means 中无上界或下界。进而，减少迭代间的质心-质心距离计算使其对大 k 聚类高效。Ball k-means 的快速、无额外参数及简洁设计使其成为朴素 k-means 算法的全方位替代。
引用
@article{arxiv.2005.00784,
title = {Ball k-means},
author = {Shuyin Xia and Daowan Peng and Deyu Meng and Changqing Zhang and Guoyin Wang and Zizhong Chen and Wei Wei},
journal= {arXiv preprint arXiv:2005.00784},
year = {2020}
}