提供了一种基于 LP-rounding 的近似算法来解决有序 k-Median 问题,并探讨了包括权重和距离分配方法在内的多种算法来处理该问题。
Nov, 2017
运用线性规划和局部搜索算法解决在数据聚类问题中,$\ell_p$-range 目标下的个体公平问题。通过修改 LP 理论和结合局部搜索算法实践,实现更优算法,并在实验中展现了出众的表现。
Jun, 2021
此论文介绍了一种可行的算法,用于从簇成员与簇中心之间的距离范数角度出发解决公平聚类问题,并对相应指标(如 bicriteria)进行了优化;同时,提供了一种基于模类约束的距离范数成本设施位置 16^p - 近似算法,并将借鉴此算法,将个体公平聚类转化为更一般如群体公平聚类的解法。
本文介绍了一种基于反正切函数的更紧密逼近秩函数的方法,并使用它来解决具有挑战性的子空间聚类问题,并开发了一种基于增广拉格朗日乘数方法的有效优化过程。实验结果表明,所提出的方法对于秩逼近问题十分有效。
Oct, 2015
本研究对含 m 个群体的社会公平 (l_p, k)- 聚类问题的近似算法进行研究,其中特殊情况包括社会公平 k - 中心 (p=1) 和社会公平 k - 均值 (p=2) 问题。研究分别给出了多项式时间和两种不同的 (n^{2^{O (p)} m^2} 和 k^m poly (n)) 的近似算法,并探讨了这些算法与现有算法的比较。
Jun, 2022
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
本研究采用图谱分析的方法,证明了欧几里得 k-means 问题的近似难度对于所有的 k 和 d 都是 NP 难的,同时发现当前最佳难度结果可以被推广到三角免费图中。
Feb, 2015
本文提出了一种在社会公正聚类中的近似算法,这个问题包括了在一个度量空间中,给定一组点,每个点属于一个或多个组,为了同时满足所有组,需要找到一个 k - 中位数、k - 均值或者更一般意义上,l_p - 聚类,同时给出了强化的 LP 松弛,将其应用于近似算法和双标准近似算法,并取得了理论上的改进。
Mar, 2021
该论文证明了一个简单的聚类算法可以在不假设任何生成模型的情况下运作,只需要假定一种叫做 “接近条件” 的规律。该算法依赖于著名的 k-means 算法,能够产生大多数现有生成模型的结果,同时提出了一种新的技术来提高间距与标准差之比。
Apr, 2010
研究在线 Hilbert 空间中的线性优化算法,提出了一种新的最小化最大算法,推导出两种情况下的遗憾界,并使用正态近似作为关键分析工具。
Mar, 2014