$k$-means clustering | BriefGPT

关键词$k$-means clustering

搜索结果 - 9

基于聚类敏感性采样的数据高效学习：基础模型与扩展
我们研究数据选择问题，将利用 $k$-means 聚类和敏感性抽样方法，基于模型损失的嵌入表示，可选择一组典型样本，其平均损失与整个数据集的平均损失相对应，具有可证明的性质，并且在微调基础模型上表现优于最先进的方法，同时展示了它如何应用于线
PDF4 months ago
通过非负低秩半定规划实现统计最优 K-means 聚类
该论文提出了一种基于 Burer-Monteiro 分解的 NMF-like 算法，通过将 SDP 松弛的 K-means 问题约束为非负低秩矩阵，实现了和 NNF 算法一样简单、可扩展且具有强大的统计优化保证的聚类效果。该算法在实验中的误
PDFa year ago
KDD离线化：针对核聚类的快速高效超参数搜索
本文研究核参数对核 $k$-means 聚类算法的影响，给出一下 RBF 核参数下界，建议使用基于快速近似指数函数的算法进行参数搜索，并提供了一种高效实现方法。实验结果证明了该方法能够有效地揭示一组丰富而有用的超参数值。
PDF4 years ago
机器学习实用核心集构建
本文研究 coresets 和机器学习领域中的最新进展，提出了一种理论上可行的框架来创建分类问题的 coresets，应用到了 $k$-means 聚类问题，同时总结了当前在 MLE 混合模型、贝叶斯非参数模型、主成分分析、回归和经验风险最
PDF7 years ago
NIPS重尾损失下的快速学习速率
研究非有界并且存在重尾分布的损失函数的快速学习率，并引入了两个新的条件，可以得到比 $O (n^{-1/2})$ 更快的学习速率，例如在 $k$- 均值聚类问题中得到的结果。
PDF8 years ago
差分隐私 $k$- 均值聚类
本研究比较交互式和非交互式方法在差分隐私数据分析中的权衡，并提出了一种混合方法。通过 $k$-means 聚类作为一个例子，该方法首先使用非交互式机制发布数据集的摘要，然后使用标准 $k$-means 聚类算法学习聚类中心，最后使用交互式方
PDF9 years ago
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
PDF10 years ago
随机降维 k-means 聚类
本文研究了 $k$-means 聚类的降维问题，提出了第一个能够保证准确的特征选择方法，并针对特征提取提出了两种方法，分别基于随机投影和快速近似 SVD 分解。所提出的算法是随机的，并对最优 $k$-means 目标值提供一定的近似保证。
PDF13 years ago
NIPSk-means 聚类的随机投影
该论文研究了使用降维技术来提高 $k$-means 聚类算法的效率和精度，通过使用随机矩阵对多维数据进行投影，并经过大量实验验证了该方法的准确性。
PDF14 years ago