相関クラスタリングのためのより良いプライベートアルゴリズム【JST・京大機械翻訳】

Liu Daogao

プレプリント

J-GLOBAL ID：202202209462204699 整理番号：22P0293359

相関クラスタリングのためのより良いプライベートアルゴリズム【JST・京大機械翻訳】

Better Private Algorithms for Correlation Clustering

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (1件)：
資料名：
発行年： 2022年02月22日プレプリントサーバーでの情報更新日： 2022年02月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

機械学習において,相関クラスタリングは,その目標が個人をグループに分割する重要な問題であり,できるだけそのペアワイズ類似性と相関する。本研究では,微分プライバシー制約の下での相関クラスタリングを再調査した。特に,一般的グラフに関する期待における最適コストと比較して,以前の結果を改善し,TildeO(n_1.5)付加誤差を達成した。非加重完全グラフに関しては,さらに結果を改善し,Δ ̄*がすべてのノード間の正のエッジの最大度である,TildeO(n→π ̄*)付加誤差を達成するより関与するアルゴリズムを提案した。【JST・京大機械翻訳】

, , , , , , , ,

図形・画像処理一般 , グラフ理論基礎 , 人工知能

, ,

前のページに戻る