面向大规模多层次聚类与可扩展贝叶斯的树-Wasserstein 重心
机器学习
2020-02-28 v3 机器学习
摘要
本文研究 Wasserstein 重心问题的一个变体，我们称之为树-Wasserstein 重心，其借助一类特定的底空间度量即树度量来定义 Wasserstein 距离。基于树结构，我们提出一种高效算法求解树-Wasserstein 重心及其变体。所提方法不仅计算快速，且内存使用高效。利用树-Wasserstein 重心及其变体，我们扩展了多层次聚类与可扩展贝叶斯，尤其适用于概率测度支撑点数目庞大的大规模应用。在实验上，我们在大规模合成与真实数据集上将该方法与其它基线进行比较。
引用
@article{arxiv.1910.04483,
title = {Tree-Wasserstein Barycenter for Large-Scale Multilevel Clustering and Scalable Bayes},
author = {Tam Le and Viet Huynh and Nhat Ho and Dinh Phung and Makoto Yamada},
journal= {arXiv preprint arXiv:1910.04483},
year = {2020}
}