English(EN) One-Bit Clustering for Two Component Sub-Gaussian Mixture Models

提出一种新的亚高斯混合模型的单比特聚类方法

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-20 04:18

研究人员提出了一种新颖的单比特聚类方法，专为双分量亚高斯混合模型设计。该技术利用每个样本条目一个比特，通过抖动量化器进行处理。该方法表明，即使存在量化，改进的Lloyd算法也能实现误分类率随信噪比呈指数级下降。对于高维数据，使用Haar分布矩阵进行随机旋转可以强制执行必要的非尖峰条件，从而在特定分离条件下实现精确恢复。 AI

影响通过减少数据需求，为聚类可能的大型数据集引入了一种更有效的方法。

排序理由该集群包含一篇详细介绍新的统计和机器学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv stat.ML TIER_1 English(EN) · Yun Yang · 2026-06-20 04:18

Two Component Sub-Gaussian Mixture Models 的 One-Bit Clustering

Clustering is a fundamental problem in statistics and machine learning. We propose the first one-bit clustering method for two-component sub-Gaussian mixture models. The method uses only one bit per entry of each sample obtained via a dithered quantizer. Under a mild non-spikines…

报道来源 [1]

Two Component Sub-Gaussian Mixture Models 的 One-Bit Clustering

相关话题