降维K均值聚类的强相合性
统计理论
2014-02-14 v4 统计理论
摘要
降维K均值聚类是一种在低维子空间中对对象进行聚类的方法。该方法的优势在于能够同时获得对象的聚类结果和反映聚类结构的低维子空间。本文讨论了传统K均值聚类与降维K均值聚类之间的关系，并给出了当样本量无限增加时，降维K均值聚类估计量几乎必然收敛的条件。本文还提供了考虑传统K均值聚类和降维K均值聚类的更一般模型的结果。此外，本文提出了一个新的准则及其相合估计量，用于在给定聚类数的情况下确定子空间的最优维数。
引用
@article{arxiv.1212.4942,
title = {Strong Consistency of Reduced K-means Clustering},
author = {Yoshikazu Terada},
journal= {arXiv preprint arXiv:1212.4942},
year = {2014}
}
备注
A revised version of this was accepted in Scandinavian Journal of Statistics. Please refer to the accepted ver