径向核的谱性质与高维聚类
机器学习
2020-01-07 v4 机器学习
摘要
在本文中，我们研究了 中分布混合体的径向核的谱与特征向量。我们的方法聚焦于高维，并仅依赖于混合体中各成分的浓度性质。我们给出了若干描述从此类混合体抽取样本所得核矩阵结构的结果。基于这些结果，我们分析了核 PCA 聚类高维混合体的能力。特别地，我们给出了一个特定核，其导致一个简单的谱算法，用于聚类可能具有共同均值但不同协方差矩阵的混合体。我们表明，该算法成功所需协方差矩阵之间的最小角分离随 趋于无穷而趋于 。
引用
@article{arxiv.1906.10583,
title = {Spectral Properties of Radial Kernels and Clustering in High Dimensions},
author = {David Cohen-Steiner and Alba Chiara de Vitis},
journal= {arXiv preprint arXiv:1906.10583},
year = {2020}
}