Feb, 2024
一种解决低维 k-means 聚类问题的割平面算法
A cutting plane algorithm for globally solving low dimensional k-means clustering problems
Martin Ryner, Jan Kronqvist, Johan Karlsson
TL;DR聚类是数据科学和机器学习中最基本的工具之一,k-means 聚类是最常见的方法之一。本文研究了低维数据实例的 k-means 问题,并将其表示为结构化的凸分配问题,利用低维结构解决大数据集的问题。该方法结合了全局优化理论的方法来加速处理程序,并提供了性能的数值结果。