陈,柯 度量空间和欧氏空间中的中位数和均值聚类的核集及其应用。 (英语) Zbl 1192.68880号 SIAM J.计算。 39,第3期,923-947(2009). 摘要:我们提出了新的近似算法来解决(k)-中值和(k)-means聚类问题。为此,我们在一般度量空间和欧氏空间中获得了(k)-中值和(k)-means聚类的小核心集。在\(mathbb{R}^d)中,这些核集的大小与维数\(d)有关。这导致了(1+varepsilon)近似算法到最佳(k)-中值和(k)-means聚类在(mathbb{R}^d)中,运行时间为(O(ndk+2^{(k/varepsilen)^{O(1)}}d^2\log^{k+2}n),其中(n)是点数。这比以前的结果有所改进。我们使用这些核心集来维护((1+varepsilon)-近似(k)-中位数和(k)–表示在(mathbb{R}^d)中点流的聚类,使用(O(d^2k^2\varepsilen^{-2}\log^8n)空间。这些是针对这些问题的第一个流算法,它们具有空间复杂性,并且对维数具有多项式依赖性。 引用于2评论引用于40文件 MSC公司: 68周25 近似算法 65年第68季度 算法和问题复杂性分析 62D05型 抽样理论、抽样调查 关键词:\(k)-中值聚类;\(k)-表示聚类;核心集;随机抽样;高尺寸;近似算法 PDF格式BibTeX公司 XML格式引用 \textit{K.Chen},SIAM J.计算机。39,第3号,923--947(2009;Zbl 1192.68880) 全文: 内政部