尼基尔·班萨尔；阿夫林·布鲁姆；舒奇·查拉 相关聚类。 （英文） Zbl 1089.68085号 机器。学习。 56，编号1-3，89-113（2004）. 摘要：我们考虑以下聚类问题：我们有一个关于\（n \）个顶点（项）的完整图，其中每个边\（u，v）\标记为+或–取决于\（u \）和\（v \）是否被视为相似或不同。目标是生成顶点的分区（簇），尽可能与边标签一致。也就是说，我们需要一个最大化簇内+边数量，加上簇间–边数量的簇（等效地，最小化分歧数量：簇内–边数量加上簇之间+边数量）。这个公式是从一个文档聚类问题出发的，在这个问题中，我们从过去的数据中学习到一个两两相似度函数，目标是以尽可能与（f）相关的方式划分当前文档集；它也可以被视为一种“不可知论学习”问题。这种聚类公式的一个有趣的特点是，不需要将簇数（k）指定为单独的参数，例如在度量中，如\（k）-median或min-sum或min-max聚类。相反，在我们的公式中，最佳簇数可以是1到\（n）之间的任何值，这取决于边缘标签。我们研究了最小化分歧和最大化协议的近似算法。为了尽量减少分歧，我们给出了一个常数因子近似值。为了最大限度地达成协议，我们根据Goldreich、Goldwasser和Ron（1998）以及de la Veg（1996）的想法制定了一个PTAS。我们还展示了如何将这些结果推广到带有边标签的图（[-1，+1]\），并给出了随机噪声情况下的一些结果。 引用于6评论引用于177文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 68兰特 计算机科学中的图论（包括图形绘制） 关键词：聚类；近似算法；文件分类 PDF格式BibTeX公司 XML格式引用 \textit{N.Bansal}等人，马赫。学习。56，编号1-3，89-113（2004年；Zbl 1089.68085） 全文： 内政部