面向高噪声数据的分布式 $k$-聚类

Xiangyu Guo; Shi Li

面向高噪声数据的分布式 $k$-聚类

分布式、并行与集群计算 2018-11-30 v2 数据结构与算法机器学习

作者: Xiangyu Guo , Shi Li

摘要

本文考虑分布式环境下的带离群点 $k$ -中心/中值/均值聚类问题（或称 $(k, z)$ -中心/中值/均值问题）。以往大多数分布式算法的通信代价线性依赖于 $z$ （离群点数量）。最近 Guha 等人通过考虑输出含 $2z$ 个离群点解的双向准则近似算法克服了该依赖问题。对于 $z$ 较大的情形，算法丢弃的额外 $z$ 个离群点可能过多，考虑到数据收集过程可能代价高昂。本文将离群点数量改进为最优可能的 $(1+\epsilon)z$ ，同时保持 $O(1)$ -近似比以及通信代价对 $z$ 的无关性。我们考虑的问题包括 $(k, z)$ -中心问题，以及欧氏度量下的 $(k, z)$ -中值/均值问题。针对 $(k, z)$ -中心的算法实现表明，其在通信代价和输出解质量方面均优于许多先前算法。

关键词

分布式聚类 k-中心 k-中值 k-均值离群点通信代价高噪声

引用

@article{arxiv.1810.07852,
  title  = {Distributed $k$-Clustering for Data with Heavy Noise},
  author = {Xiangyu Guo and Shi Li},
  journal= {arXiv preprint arXiv:1810.07852},
  year   = {2018}
}

备注

slightly improve the comm cost over the version accepted into NeurIPS'18

面向高噪声数据的分布式 $k$-聚类

摘要

关键词

引用

备注

相关论文