Kempe 交换 K 均值：半监督聚类的可扩展近似最优解法
机器学习
2026-03-31 v1
摘要
本文提出一种新型的基于质心的启发式算法，称为 Kempe 交换 K 均值，用于受严格必须链接 (ML) 和不能链接 (CL) 约束限制下的约束聚类。该算法采用双相迭代过程：分配阶段利用 Kempe 链交换在受约束解空间中细化当前聚类，质心更新阶段计算最优聚类质心。为提升全局搜索能力并避免局部最优，框架在更新阶段包含受控扰动。经验评估表明，所提方法在保持高计算效率和可扩展性的同时实现近似最优划分。结果表明，Kempe 交换 K 均值在大规模数据集的聚类准确率和算法效率方面 consistently 优于最新基准。
引用
@article{arxiv.2603.27417,
title = {Kempe Swap K-Means: A Scalable Near-Optimal Solution for Semi-Supervised Clustering},
author = {Yuxuan Ren and Shijie Deng},
journal= {arXiv preprint arXiv:2603.27417},
year = {2026}
}
备注
42 pages