分布式部分聚类

Mar, 2017

Distributed Partial Clustering

Sudipto Guha, Yi Li, Qin Zhang

TL;DR提出了一种在分布式环境下运行的算法来解决部分聚类问题，包括 k 中心，k 中位数和 k 均值等，旨在提高通信效率和解决噪音和数据不确定性带来的影响。

Abstract

Recent years have witnessed an increasing popularity of algorithm design for distributed data, largely due to the fact that massive datasets are often collected and stored in different locations. In the distributed setting communication typically dominates the query processing time. Th

distributed data communication efficiency partial optimization partial clustering problems uncertain data clustering

发现论文，激发创造

在一般拓扑上进行分布式 k-Means 和 k-Median 聚类

本文提出一种新的分布式 k-median 和 k-means 聚类算法，通过 coresets 的方法，构建全局 coreset，降低了通信复杂度，实验结果表明该算法优于其他 coreset-based 分布式聚类算法。

Jun, 2013

带有大量噪音数据的分布式 k - 聚类

在分布式环境中，对 $k$-center/median/means 聚类与 outliers 问题 (或 $(k, z)$-center/median/means 问题) 进行研究，提出了一种改进算法，能够更好地解决 communication costs 线性依赖于 outliers 数量的问题。

Oct, 2018

分布式聚类与异常检测的实用算法

本文提出了一种基于简要构建的数据摘要的分布式无监督学习算法，对异常点的全局识别有很好的近似保证，并在真实和人工数据上超过了所有基线算法。

May, 2018

通信最优的分布式聚类

本文研究了分布式模式下的图形和几何聚类问题，并给出了两个模型中几乎是最优的协议，突出了广播通道在聚类问题中的惊人能力，我们的算法已在实际数据集上得到了验证。

Feb, 2017

利用 MapReduce 进行快速聚类

本文考虑在 MapReduce 环境下设计用于处理大数据集的聚类算法，重点研究实用和流行的聚类问题，如 k-center 和 k-median，并开发具有常数因子近似保证的快速聚类算法。

Sep, 2011

基于双分解的分布式优化的联邦 K-Means 聚类

分布式优化在机器学习中的应用既可以由隐私保护的结果推动，也可以由计算效率的提高推动。本文旨在演示如何将双重分解应用于分布式培训 $ K $-means 聚类问题，并通过在多个基准问题上评估子梯度法、束程序信任法和拟牛顿对偶升算法的性能来支持这一观点。

Jul, 2023

解决大规模数据模型中的公平 k 中心问题

本文介绍了一项新的流式和分布式算法，用于公平的数据汇总，旨在解决算法公平性方面的研究问题。

Feb, 2020

鲁棒自动数据聚类：狄利克雷过程遇见中位数均值

通过整合基于模型和基于质心的方法，提出了一种高效且自动的聚类技术，解决噪声对聚类质量的影响，并确保无需提前指定聚类数的优点。在模拟和真实数据集上进行了严格评估和统计保证，表明我们提出的方法优于现有先进聚类算法。

Nov, 2023

改进的分布式主成分分析

本文研究具有多台服务器的分布式计算环境，通过开发 PCA 算法来处理点集的低维子空间问题，进而解决异常检测以及聚类等计算问题，提出的新算法显著降低了 $k$-means 聚类与相关问题的计算以及通讯成本，并且经过实验验证，在解决方案质量方面具有忽略不计的退化。

Aug, 2014

近似聚类的最优时间界限

本文研究了基于 k-median 目标函数的聚类问题，提出了一种称为连续采样的简单但有效的采样技术，并使用该技术开发了一个可在 O（nk）时间内运行的算法来解决 k-median 问题。

Dec, 2012