基于半定规划的亚高斯混合聚类
机器学习
2016-05-11 v2 数据结构与算法
信息论
机器学习
math.IT
统计理论
统计理论
摘要
我们提出了一种无模型的松弛-舍入算法，用于基于 Peng 和 Wei 的半定松弛的 k-means 聚类。该算法将 SDP 输出解释为原始数据的去噪版本，然后将该输出舍入为硬聚类。我们提供了一种证明该算法性能保证的通用方法，并在亚高斯混合模型的背景下分析了该算法。我们还研究了通过 k-means 聚类估计高斯中心的极限，以便将我们的近似保证与理论最优的 k-means 聚类解进行比较。
引用
@article{arxiv.1602.06612,
title = {Clustering subgaussian mixtures by semidefinite programming},
author = {Dustin G. Mixon and Soledad Villar and Rachel Ward},
journal= {arXiv preprint arXiv:1602.06612},
year = {2016}
}