摘要
哈里斯·安吉利达基斯、康斯坦丁·马卡里切夫和尤里·马卡利切夫。 2017.稳定和抗扰问题的算法。 《计算机理论研讨会论文集》（STOC’17）。 谷歌学者 
数字图书馆 
亚伦·阿彻。 2001.两个O（log * k） 非对称k中心问题的近似算法。 在整数规划和组合优化中。 斯普林格，1-14。 谷歌学者 Sanjeev Arora、Rong Ge和Ankur Moitra。 2012.学习主题模型——超越SVD。 《计算机科学基础研讨会论文集》（FOCS’12）。 1--10. 谷歌学者 数字图书馆 维杰·阿里亚（Vijay Arya）、纳文·加格（Naveen Garg）、罗希特·坎德卡尔（Rohit Khandekar）、亚当·梅尔森（Adam Meyerson）、卡梅什·穆纳加拉（Kamesh Munagala）和维纳亚卡·潘迪特（Vinayaka Pandit。 2004.k-median和设施位置问题的本地搜索启发法。 SIAM J.计算。 33, 3 (2004), 544--562. 谷歌学者 数字图书馆 Pranjal Awasthi、Avrim Blum和Or Sheffet。 2010年。稳定性产生了k中值和k均值聚类的PTAS。《计算机科学基础研讨会论文集》（FOCS’10）。 309到318之间。 谷歌学者 数字图书馆 Pranjal Awasthi、Avrim Blum和Or Sheffet。 2012.扰动稳定性下基于中心的聚类。 信息处理。 莱特。 112, 1 (2012), 49--54. 谷歌学者 数字图书馆 Pranjal Awasthi和Or Sheffet。 2012.改进了聚类的谱形界限。《近似、随机化和组合优化算法与技术国际研讨会论文集》（APPROX-RANDOM’12）。 施普林格，37-49岁。 谷歌学者 交叉引用 
玛丽亚·弗洛琳娜·巴尔坎、阿夫里姆·布鲁姆和阿努帕姆·古普塔。 2013.近似稳定性下的聚类。 J.ACM 60，2（2013），8。 谷歌学者 数字图书馆 玛丽亚·福丽娜·巴尔坎和马克·布拉弗曼。 2009.发现低误差聚类。 学习理论会议记录（COLT’09）。 3--4. 谷歌学者 玛丽亚·福丽娜·巴尔坎和马克·布拉弗曼。 2017.扰动稳定博弈中的纳什均衡。 西奥。 计算。 13, 13 (2017), 1--31. 谷歌学者 交叉引用 玛丽亚·弗洛里娜·巴尔坎（Maria Florina Balcan）和梁英玉（Yingyu Liang）。 2016.扰动弹性下的集群。 SIAM J.计算。 45, 1 (2016), 102--155. 谷歌学者 交叉引用 玛丽亚·弗洛里娜·巴尔坎（Maria Florina Balcan）、海科·罗琳（Heiko Röglin）和尚华腾（Shang-Hua Teng）。 2009年，《不可知聚类》，《算法学习理论国际会议论文集》。 384--398. 谷歌学者 交叉引用 Shalev Ben-David和Lev Reyzin。 2012.集群中的数据稳定性：仔细观察。 算法学习理论。 施普林格，184-198。 谷歌学者 Yonatan Bilu、Amit Daniely、Nati Linial和Michael E.Saks。 2013年，关于MAXCUT的实际有趣实例。 第30届计算机科学理论方面国际研讨会论文集（STACS’13）。 谷歌学者 约纳坦·比卢和内森·利尼尔。 2012.稳定实例容易吗？ 组合探头。 计算。 21, 5 (2012), 643--660. 谷歌学者 数字图书馆 Jarosław Byrka、Thomas Pensyl、Bartosz Rybicki、Aravind Srinivasan和Khoa Trinh。 2015年，改进了k中值的近似值，并与预算优化呈正相关。 《离散算法研讨会论文集》（SODA'15）。 737年至756年。 谷歌学者 交叉引用 Moses Charikar、Sudipto Guha、Eva Tardos和David B.Shmoys。 1999.k中值问题的常数近似算法。 《计算机理论研讨会论文集》（STOC'99）。 1--10. 谷歌学者 Moses Charikar、Samir Khuller、David M.Mount和Giri Narasimhan。 2001.具有离群值的设施位置问题的算法。 《离散算法研讨会论文集》（SODA'01）。 642--651. 谷歌学者 Chandra Chekuri和Shalmoli Gupta。 2018.通过LP松弛的k-中心和相关问题的扰动弹性聚类。 《近似、随机化和组合优化算法与技术国际研讨会论文集》（APPROX-RANDOM’18）。 9:1--9:16. 谷歌学者 柯晨。 2008.带离群值的k-中值聚类的常数因子近似算法。 《离散算法研讨会论文集》（SODA'08）。 826--835. 谷歌学者 朱莉娅·丘霍伊（Julia Chuzhoy）、苏迪普托·古哈（Sudipto Guha）、埃兰·哈尔佩林（Eran Halperin）、桑吉夫·坎纳（Sanjeev Khanna）、盖伊·科茨（Guy Kortsarz）、罗伯特·克劳查默（Robert Krauthgamer）和约瑟夫。 2005.不对称k中心为对数 * n-难以近似。 美国医学会期刊52，4（2005），538--551。 谷歌学者 数字图书馆 文森特·科恩·阿达德（Vincent Cohen-Addad）和克里斯·施维格尔肖恩（Chris Schwiegelshohn）。 2017.关于稳定集群实例的本地结构。 《计算机科学基础研讨会论文集》（FOCS’17）。 49--60. 谷歌学者 交叉引用 Amit Deshpande、Anand Louis和Apoorv Vikram Singh。 2019.关于欧几里德k均值聚类与α-中心邻近性。 《国际人工智能与统计会议论文集》（AISTATS’19）。 谷歌学者 马丁·戴尔（Martin E.Dyer）和阿兰·弗里兹（Alan M.Frieze）。 1985.p中心问题的简单启发式。 运营Res.Lett。 3, 6 (1985), 285--288. 谷歌学者 数字图书馆 马丁·戴尔（Martin E.Dyer）和阿兰·弗里兹（Alan M.Frieze）。 1986年。平面3DM为NP完成。 J.阿尔戈。 7, 2 (1986), 174--184. 谷歌学者 数字图书馆 Zachary Friggstad、Kamyar Khodamaradi和Mohammad R.Salavatipour。 2019.欧几里德k-means稳定实例的精确算法和下限。 《离散算法研讨会论文集》（SODA’19）。 谷歌学者 Teofilo F.Gonzalez。 1985.聚类以最小化最大簇间距离。 理论。 计算。 科学。 38 (1985), 293--306. 谷歌学者 交叉引用 Rishi Gupta、Tim Roughgarden和C.Seshadhri，2014年。 三元语义图的分解。 在《理论计算机科学创新会议论文集》（ITCS'14）中。 471--482. 谷歌学者 莫里茨·哈德和亚伦·罗斯。 2013年，超越私有奇异向量计算中的最坏情况分析。 《计算机理论研讨会论文集》（STOC'13）。 331到340之间。 谷歌学者 数字图书馆 多里特·霍奇鲍姆（Dorit S.Hochbaum）和大卫·B·什莫伊斯（David B.Shmoys）。 1985年。对k中心问题的最佳启发式。 数学。 Op.Res.10，2（1985），180--184。 谷歌学者 数字图书馆 哈里·B·亨特三世（Harry B.Hunt III）、马达夫·V·马拉特（Madhav V.Marathe）、文卡特斯·拉德哈克里希南（Venkatesh Radhakrishnan）和理查德·斯特恩斯（Richard E.Stearns）。 平面计数问题的复杂性。 SIAM J.计算。 27, 4 (1998), 1142--1167. 谷歌学者 交叉引用 卡迈勒·贾恩、穆罕默德·马赫迪安和阿明·萨贝里，2002年。 一种解决设施选址问题的新贪婪方法。 《计算机理论研讨会论文集》（STOC'02）。 731--740. 谷歌学者 数字图书馆 理查德·卡普（Richard M.Karp）。 组合问题中的可约简性。 在计算机计算的复杂性中。 施普林格，85-103。 谷歌学者 乔恩·克莱恩伯格（Jon Kleinberg）和伊娃·塔尔多斯（Eva Tardos）。 2006.算法设计。 培生教育。 谷歌学者 阿米特·库马尔（Amit Kumar）和拉文德兰·坎南（Ravindran Kannan）。 2010年，使用谱范数和k-means算法进行聚类。 《计算机科学基础研讨会论文集》（FOCS’10）。 299--308. 谷歌学者 数字图书馆 Amit Kumar、Yogish Sabharwal和Sandeep Sen.2004年。 一种简单的线性时间（1+&epsiv；）近似算法，用于任意维的几何k均值聚类。 《计算机科学基础研讨会论文集》（FOCS’04）。 454--462. 谷歌学者 亨特·朗（Hunter Lang）、大卫·桑塔格（David Sontag）和阿拉文丹·维贾亚拉哈万（Aravindan Vijayaraghavan）。 2017年&alpha- 扩展在稳定实例上是精确的。 《国际人工智能与统计会议论文集》（AISTATS’17），第1050卷。 6 谷歌学者 尤文·李、梅兰妮·施密特和约翰·赖特。 2017年，改进并简化了k-means的不可接近性。 信息处理。 莱特。 120（2017），40-43。 谷歌学者 交叉引用 康斯坦丁·马卡里切夫、尤里·马卡利切夫、马克西姆·斯维里登科和贾斯汀·沃德。 2016.双标准近似算法 k个 意味着。 《近似、随机化和组合优化算法与技术国际研讨会论文集》（APPROX-RANDOM’16）。 14时1分至14时20分。 谷歌学者 康斯坦丁·马卡里切夫（Konstantin Makarychev）、尤里·马卡利切夫（Yury Makaryschev）和阿拉文丹·维贾亚拉哈万（Aravindan Vijayaraghavan）。 2014.最大切割和最小多路切割的双临床稳定实例。 《离散算法研讨会论文集》（SODA'14）。 890--906. 谷歌学者 交叉引用 Bodo Manthey和Matthijs B.Tijink。 2018年。设施位置问题的抗干扰能力。 运营Res.Lett。 46, 2 (2018), 215--218. 谷歌学者 数字图书馆 马图什·米哈拉克、马塞尔·施根斯、拉斯蒂斯拉夫·萨梅克和彼得·维德迈尔。 2011年。关于稳定性考虑下的度量TSP的复杂性。 摘自《SOFSEM：计算机科学的理论与实践》。 施普林格，382--393。 谷歌学者 拉斐尔·奥斯特罗夫斯基（Rafail Ostrovsky）、尤瓦尔·拉巴尼（Yuval Rabani）、伦纳德·J·舒尔曼（Leonard J.Schulman）和柴塔尼亚·斯瓦米（Chaitanya Swamy）。 2012年，劳埃德型方法对k-means问题的有效性。 J.ACM 59，6（2012），28。 谷歌学者 数字图书馆 蒂姆·拉夫加登（Tim Roughgarden）。 2014年，超越最坏情况分析。 检索自： 网址：http://theory.stanford.edu/ tim/f14/f14.html。 谷歌学者 丹尼尔·斯皮尔曼和尚华腾。 算法的平滑分析：为什么单纯形算法通常需要多项式时间。 美国医学会期刊51，3（2004），385--463。 谷歌学者 数字图书馆 Leslie G.Valiant和Vijay V.Vazirani。 1986年，NP就像检测独特的溶液一样简单。 理论。 计算。 科学。 47 (1986), 85--93. 谷歌学者 数字图书馆 Aravindan Vijayaraghavan、Abhratanu Dutta和Alex Wang。 2017.聚类欧几里德k-means的稳定实例。 《国际神经信息处理系统会议记录》（NIPS’17）。 6503--6512. 谷歌学者 桑达尔·维什瓦纳坦（Sundar Vishwanathan）。 1996年An O（日志 * N） 非对称P中心问题的近似算法。 在离散算法研讨会论文集（SODA'96）中。 1--5. 谷歌学者 康斯坦丁·沃沃德斯基、玛丽亚·弗洛琳娜·巴尔坎、海科·罗琳、尚华腾和于霞。 2011年。有限距离信息蛋白质序列的Min-sum聚类。 《基于相似性的模式识别国际研讨会论文集》。 192到206之间。 谷歌学者 交叉引用
建议
关于非均匀的扰动弹性 k个 -居中 摘要 非均匀性 k个 -中心（NUkC）问题最近由Chakrabarty等人提出[ICALP，2016；ACM Trans Algorithms 16（4）：46:1–46:192020]，作为经典问题的推广 k个 -中心聚类问题。 在NUkC中，给定一组 n个 ... 扰动稳定性下基于中心的聚类 在大多数常用目标函数下的聚类是NP-hard，即使很好地近似，在最坏的情况下也不可能有效地求解。 最近，Bilu和Linial（2010）[11]提出了一种旨在绕过这种计算的方法。。。
