贪心策略适用于带离群点的 $k$-中心聚类及核心集构造
计算几何
2019-04-30 v2 机器学习
摘要
我们研究了任意度量与欧氏空间中带离群点的 -中心聚类问题。尽管过去几十年已提出多种方法，但为该问题设计具有质量保障且低复杂度的算法仍十分具有挑战性。我们的思路受用于求解普通 -中心聚类问题的贪心方法（Gonzalez算法）启发。基于一些新颖的观察，我们表明该贪心策略实际上能在聚类质量与时间复杂度方面高效处理带离群点的 -中心聚类。我们进一步表明，该贪心方法在双倍度量中为这一问题生成较小的核心集，从而显著降低时间复杂度。我们的算法易于实际实现。我们在合成与真实数据集上测试了该方法。实验结果表明，与现有方法相比，我们的算法能取得近最优解且运行时间更短。
引用
@article{arxiv.1901.08219,
title = {Greedy Strategy Works for $k$-Center Clustering with Outliers and Coreset Construction},
author = {Hu Ding and Haikuo Yu and Zixiu Wang},
journal= {arXiv preprint arXiv:1901.08219},
year = {2019}
}