×
克里斯蒂安·萨博;鲁道夫·西托夫斯基;伊凡·瓦兹勒

基于一维中心的l1-聚类方法。 （英语） 兹比尔1283.90034

最佳方案。莱特。 7，第1期，5-22（2013）.
摘要：受基于中心的最小二乘聚类问题求解方法的启发，请参阅([J.科根《大数据和高维数据聚类简介》，剑桥：剑桥大学出版社（2007；Zbl 1183.62106号)]; [J.特布尔，J.马赫。学习。第8号决议，65–102（2007年；Zbl 1222.68318号)])，我们构造了一个非常有效的迭代过程来解决一维基于中心的l1聚类问题，在此基础上可以确定最优划分。我们分析了迭代过程的基本性质和收敛性，对于每个初始近似选择，迭代过程收敛到相应目标函数的一个稳定点。也给出了相应的算法，它只需几个步骤就可以给出驻点和相应的分区。该方法以寻找具有两个簇的最优划分为例进行了说明和可视化，其中我们检查了相应极小化泛函的所有驻点。此外，该方法在大量数据点和簇的基础上进行了测试，并与Kogan[loc.cit.]和Teboule[loc.cit.]中描述的基于中心的最小二乘聚类问题的解决方法进行了比较。

引用于12文件

MSC公司：

90C27型 组合优化
91C20个 社会和行为科学中的集群

关键词：

群集;数据挖掘;优化;加权中值问题

引文：

Zbl 1183.62106号;Zbl 1222.68318号

软件：

弗莱克斯集群
PDF格式BibTeX公司 XML格式引用
\textit{K.Sabo}等人，Optim。莱特。7、第1号、第5--22号（2013；Zbl 1283.90034）
全文： 内政部

参考文献：

[1] Banerjee A.、Merugu S.、Dhillon I.S.、Ghosh J.：Bregman分歧的聚类。J.马赫。学习。1705-1749号决议（2005年）·Zbl 1190.62117号
[2] Ben-Israel，A.，Iyigun，C.：概率D聚类。25 (2007). doi:10.1007/s00357-007-0021-y·Zbl 1260.62039号
[3] Boley D.L.：主方向除法分割。数据最小知识。发现。2, 325–344 (1998) ·doi:10.1023/A:1009740529316
[4] Boyd D.L.，Vandenberghe L.：凸优化。剑桥大学出版社，剑桥（2004）·Zbl 1058.90049号
[5] Chaovaltwongse，W.A.，Butenko，S.，Pardalos，P.M.：生物网络中的聚类挑战。《世界科学》（2009）
[6] Clarke F.H.：广义梯度的应用。事务处理。美国数学。Soc.205、247–262（1975年）·Zbl 0307.26012号 ·doi:10.1090/S0002-9947-1975-0367131-6
[7] Clarke F.H.：优化和非光滑分析。SIAM，费城（1990）·兹伯利0696.49002
[8] Cupec R.，GrbićR.，Sabo K.，Scitovski R.：搜索最佳最小绝对偏差平面的三点法。申请。数学。计算。215, 983–994 (2009) ·Zbl 1176.65017号 ·doi:10.1016/j.amc.2009.06.023
[9] Demidenko E.：无约束全局优化的准则。J.优化。理论应用。136, 375–395 (2008) ·Zbl 1145.90053号 ·doi:10.1007/s10957-007-9298-6
[10] Dhillon I.S.、Mallela S.、Kumar R.：一种用于文本分类的分裂信息理论特征聚类算法。J.马赫。学习。第3号决议，1265–1287（2003）·Zbl 1102.68545号
[11] Dhillon，I.S.，Guan，Y.，Kulis，B.：核k-means，谱聚类和归一化切割。摘自：第十届ACM SIGKDD知识发现和数据挖掘国际会议（KDD）会议记录，2004年8月22日至25日，美国华盛顿州西雅图，pp.551–556（2004）
[12] Domínguez，E.，Muñoz，J.：将生物激励技术应用于p-median问题。IWANN 2005；计算智能仿生系统。，第八届国际研讨会人工神经网络。计算机科学课堂讲稿，第67-74页。柏林施普林格出版社（2005）
[13] Finkel D.E.，Kelley C.T.：加性缩放和$${\（\backslash\）tt-DIRECT}$$算法。J.全球。最佳方案。36, 597–608 (2006) ·Zbl 1142.90488号 ·doi:10.1007/s10898-006-9029-9
[14] Floudas C.A.，Gounaris C.E.：全球优化最新进展综述。J.全球。最佳方案。45, 3–38 (2009) ·Zbl 1180.90245号 ·doi:10.1007/s10898-008-9332-8
[15] Gaviano M.，Lera D.：Lipschitz函数的全局最小化算法。最佳方案。莱特。2, 1–13 (2008) ·Zbl 1147.90032号 ·doi:10.1007/s11590-006-0036-z
[16] Gan G.，Ma C.，Wu J.：数据聚类：理论、算法和应用。SIAM，费城（2007）·Zbl 1185.68274号
[17] Hansen E.R.，Walster G.W.：使用区间分析的全局优化，第2版，修订和扩展。马塞尔·德克尔（Marcel Dekker），纽约（2004）·Zbl 1103.90092号
[18] Iyigun，C.：概率距离聚类。罗格斯大学新不伦瑞克研究生院论文（2007）
[19] Iyigun C.，Ben-Israel A.：多设施选址问题的广义Weiszfeld方法。操作。Res.Lett公司。38207–214（2010年）·Zbl 1188.90148号 ·doi:10.1016/j.orl.2009.11.005
[20] Jones D.R.、Perttunen C.D.、Stuckman B.E.：不含Lipschitz常数的Lipschitsian优化。JOTA 79、157–181（1993）·Zbl 0796.49032号 ·doi:10.1007/BF00941892
[21] Kogan J.：大型高维数据聚类介绍。剑桥大学出版社，剑桥（2007）·Zbl 1183.62106号
[22] Kogan，J.，Nicholas，C.，Wiacek，M.：大型高维数据的混合聚类。收录：Castellanos，M.，Berry，M.W.（编辑）文本挖掘研讨会论文集。SIAM（2007）
[23] Kogan，J.，Teboulle，M.：使用Bregman距离缩放聚类算法。收录：Berry，M.W.，Castellanos，M.（编辑）第六届SIAM国际数据挖掘会议文本挖掘研讨会论文集（2006年）
[24] Kogan J.、Nicholas C.、Wiacek M.：具有分歧的混合聚类。收录：Berry，M.W.，Castellanos，M.（编辑）《文本挖掘调查：聚类、分类和检索》，第二版，柏林斯普林格出版社（2007）
[25] Lesch F.：K-质心聚类分析工具箱。计算。统计数据分析。51, 526–544 (2006) ·Zbl 1157.62439号 ·doi:10.1016/j.csda.2005.10.006
[26] Littau D.，Boley D.L.：使用PDDP对非常大的数据集进行聚类。收录于：Kogan，J.，Nicholas，C.，Teboulle，M.（编辑）《多维数据分组：聚类的最新进展》，第99-126页。施普林格，纽约（2006）
[27] Pan S.，Chen J.S.：欧氏k-中心位置问题的两种无约束优化方法。申请。数学。计算。189, 1368–1383 (2007) ·Zbl 1126.65055号 ·doi:10.1016/j.amc.2006.12.014
[28] Pardalos P.M.，Hansen P.：数据挖掘与数学编程。美国数学学会，普罗维登斯（2008）·Zbl 1137.68011号
[29] PetrićJ.，Zlobec S.：非线性规划（克罗地亚语）。诺奇纳·克尼吉加，贝尔格莱德（1989）
[30] Piyavskij，S.A.：求函数绝对极值的算法。J.计算。数学。数学。物理学。12、888–896（1972年，俄语）·Zbl 0249.65046号
[31] Reese，J.：p-Median问题的解决方法：注释书目。威利（2006）·Zbl 1133.90357号
[32] Rodrígues Chia A.M.，Espejo I.，Drezner Z.：关于用欧几里得距离求解平面k-中心问题。欧洲药典。第207、1169–1186号决议（2010年）·Zbl 1206.90076号 ·doi:10.1016/j.ejor.2010.06.004
[33] Sabo K.，Scitovski R.，Vazler I.：基于给定数据搜索最佳LAD超平面来搜索超定线性方程组的最佳LAD解。J.优化。理论应用。149, 293–314 (2011) ·Zbl 1219.90125号 ·doi:10.1007/s10957-010-9791-1
[34] Sabo K.、Scitovski R.、Vazler I.、Zekić-Sušac M.：天然气消耗的数学模型。能量转换。管理。52, 1721–1727 (2011) ·doi:10.1016/j.enconman.2010.10.037
[35] Sabo K.，Scitovski R.：最佳最小绝对偏差线——特性和两种有效方法。《ANZIAM J.50，185-198》（2008年）·Zbl 1182.65023号 ·doi:10.1017/S1446181108000345
[36] Schöbel A.，Scholz D.：多维设施选址问题的大立方体-小立方体解方法。计算。操作。第37、115–122号决议（2010年）·Zbl 1171.90451号 ·doi:10.1016/j.cor.2009.03.031
[37] Späth，H.：聚类形成与分析。R.Oldenburg Verlag，慕尼黑（1983）·Zbl 0536.62048号
[38] Su，Z.，Kogan，J.，Nicholas，C.：使用k-means类型算法的约束聚类。摘自：Berry，M.W.，Kogan，J.（编辑）《文本挖掘应用与理论》，第81-103页。奇切斯特·威利（2010）
[39] Teboulle M.：基于中心的聚类方法的统一连续优化框架。J.马赫。学习。第8号决议，65–102（2007年）·兹比尔1222.68318
[40] Vazler，I.，Sabo，K.，Scitovski，R.：解决最小绝对偏差问题的数据加权中值。公社。统计理论方法，艺术ID 539750（LSTA-2010-0354）（2011年出版）·兹比尔1319.62141
[41] Vivek E.P.，Sudha N.：人脸识别的稳健Hausdorff距离测量。模式识别。40, 431–442 (2007) ·Zbl 1118.68146号 ·doi:10.1016/j.patcog.2006.04.019
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。