Fugu-MT 論文翻訳(概要): Dimensionality Reduction for $k$-means Clustering

論文の概要: Dimensionality Reduction for $k$-means Clustering

arxiv url: http://arxiv.org/abs/2007.13185v1
Date: Sun, 26 Jul 2020 17:31:44 GMT
ステータス: 処理完了
システム内更新日: 2022-11-06 19:34:29.075891
Title: Dimensionality Reduction for $k$-means Clustering
Title（参考訳）: k$-meansクラスタリングの次元性低減
Authors: Neophytos Charalambides
Abstract要約: 本稿では,$k$-meansクラスタリング問題の次元を効果的に削減し,精度の高い近似を求める方法を提案する。 4つのアルゴリズムが提示され、2つのtextitfeature selectionと2つのtextitfeature extract based algorithmがランダム化されている。
参考スコア（独自算出の注目度）: 3.655021726150368
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a study on how to effectively reduce the dimensions of the $k$-means clustering problem, so that provably accurate approximations are obtained. Four algorithms are presented, two \textit{feature selection} and two \textit{feature extraction} based algorithms, all of which are randomized.
Abstract（参考訳）: 本稿では,$k$-meansクラスタリング問題の次元を効果的に削減し,精度の高い近似を求める方法を提案する。 4つのアルゴリズムが提示され、2つの \textit{feature selection} と 2つの \textit{feature extract} ベースのアルゴリズムがランダム化されている。

関連論文リスト

On Universally Optimal Algorithms for A/B Testing [49.429419538826444]
ベルヌーイ報奨を伴う多腕バンディットにおける固定予算によるベストアーム識別の問題について検討する。 A/Bテスト問題としても知られる2つのアームの問題に対して,各アームを等しくサンプリングするアルゴリズムが存在しないことを証明した。
論文参考訳（メタデータ） (2023-08-23T08:38:53Z)
Are Easy Data Easy (for K-Means) [0.0]
本稿では、$k$-meansアルゴリズムの様々なブランドによって、適切に分離されたクラスタを復元する能力について検討する。シード選択時に繰り返しサブサンプリングによって$k$-means++のバリエーションが提案される。
論文参考訳（メタデータ） (2023-08-02T09:40:19Z)
Rethinking k-means from manifold learning perspective [122.38667613245151]
平均推定なしで直接データのクラスタを検出する新しいクラスタリングアルゴリズムを提案する。具体的には,バタワースフィルタを用いてデータ点間の距離行列を構成する。異なる視点に埋め込まれた相補的な情報をうまく活用するために、テンソルのSchatten p-norm正規化を利用する。
論文参考訳（メタデータ） (2023-05-12T03:01:41Z)
Replicable Clustering [57.19013971737493]
我々は,統計学的な$k$-medians,統計学的な$k$-means,統計学的な$k$-centers問題のアルゴリズムをブラックボックス方式で近似ルーチンを用いて提案する。理論的結果を検証するブラックボックスとしてsklearnの$k$-means++実装を用いた2次元合成分布の実験も行っている。
論文参考訳（メタデータ） (2023-02-20T23:29:43Z)
Differentially-Private Hierarchical Clustering with Provable Approximation Guarantees [79.59010418610625]
階層クラスタリングのための微分プライベート近似アルゴリズムについて検討する。例えば、$epsilon$-DPアルゴリズムは入力データセットに対して$O(|V|2/epsilon)$-additiveエラーを示さなければならない。本稿では,ブロックを正確に復元する1+o(1)$近似アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-01-31T19:14:30Z)
Four Algorithms for Correlation Clustering: A Survey [3.42658286826597]
相関クラスタリング問題は、一対の類似性情報を持つオブジェクトの集合に基づいている。私たちの目標は、これらのオブジェクトを、可能な限りこの情報にマッチするクラスタに分割することにあります。目標は、不一致の重みを最小化するクラスタリングを作ることです。
論文参考訳（メタデータ） (2022-08-24T22:05:24Z)
A Least Square Approach to Semi-supervised Local Cluster Extraction [0.0]
最小二乗半教師付き局所クラスタリングアルゴリズムは、既知の隣接行列を持つグラフからクラスタを抽出するために提案される。このアルゴリズムは、高い確率で所望のクラスタを見つけることができる。
論文参考訳（メタデータ） (2022-02-07T01:55:41Z)
Byzantine-Resilient Non-Convex Stochastic Gradient Descent [61.6382287971982]
敵対的レジリエントな分散最適化。機械は独立して勾配を計算し協力することができます私達のアルゴリズムは新しい集中の技術およびサンプル複雑性に基づいています。それは非常に実用的です:それはないときすべての前の方法の性能を改善します。セッティングマシンがあります。
論文参考訳（メタデータ） (2020-12-28T17:19:32Z)
Differentially Private Clustering: Tight Approximation Ratios [57.89473217052714]
基本的なクラスタリング問題に対して,効率的な微分プライベートアルゴリズムを提案する。この結果から,SampleとAggregateのプライバシーフレームワークのアルゴリズムの改善が示唆された。 1-Clusterアルゴリズムで使用されるツールの1つは、ClosestPairのより高速な量子アルゴリズムを適度な次元で得るために利用できる。
論文参考訳（メタデータ） (2020-08-18T16:22:06Z)
SONIA: A Symmetric Blockwise Truncated Optimization Algorithm [2.9923891863939938]
本研究は, 経験的リスクに対する新しいアルゴリズムを提案する。このアルゴリズムは、一部分空間における二階探索型更新を計算し、1階探索法と2階探索法の間のギャップを埋める。
論文参考訳（メタデータ） (2020-06-06T19:28:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。