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