重み制約付き異方性割当とクラスタリングのためのコアセット【JST・京大機械翻訳】

Fiedler Maximilian; Gritzmann Peter

プレプリント

J-GLOBAL ID：202202214238299190 整理番号：22P0307514

重み制約付き異方性割当とクラスタリングのためのコアセット【JST・京大機械翻訳】

Coresets for Weight-Constrained Anisotropic Assignment and 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 (2件)： ,
資料名：
発行年： 2022年03月21日プレプリントサーバーでの情報更新日： 2022年03月21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)

本論文では,重み制約異方性割当とクラスタリングのためのコアセットを構築した。よく研究された制約のない最小二乗クラスタリング問題とは対照的に,クラスタの中心を近似するのは,最良のサイトへの点の帰属が関係するので,重み制約の異方性の場合の長いサフスを近似しない。この帰属ステップは,材料科学における制限因子であり,著者らの仕事を部分的に動機づける問題である。著者らは,Har-PeledおよびKushalによって,非拘束最小二乗クラスタリングのために,サイズOl(frack ̄3→∞ ̄{d+1}r)のコアセットを構築した。重み制約異方性クラスタリングに対して,Ol(frack ̄2→∞ ̄{d+1}r)のみのサイズを持つより小さなコアセットを導く種々の方法で,それらの結果について一般化し,改善した。さらに,著者らは,負におけるコアセット設計に関する未解決質問に答え,全感度が制約された場合における元のデータセットの基数と同様に大きくなることを示した。従って,重要度サンプリングに基づく多くの技法は重み制約クラスタリングに適用できない。【JST・京大機械翻訳】

, , , , , , ,
, , 【Automatic Indexing@JST】

人工知能 , グラフ理論基礎 , システム・制御理論一般

, , , ,

前のページに戻る