PulseAugur
中
实时 07:13:16
English(EN) Semidefinite programming relaxations and debiasing for MAXCUT-based clustering

新框架对具有理论保证的MAXCUT聚类算法进行分析

作者 PulseAugur 编辑部 · [1 个来源] ·

本文介绍了一个新的框架，用于分析用于划分从两个亚高斯分布混合物中抽取的样本的三个算法——SDP1、BalancedSDP和谱聚类。研究人员为这些算法提供了统一的理论保证，表明只要定义的信噪比（SNR）足够高，即使在部分恢复的情况下，它们也能实现多项式错误分类率。此外，研究表明SDP1和BalancedSDP的错误分类误差随SNR呈指数衰减，当簇大小相等时，BalancedSDP无需显式去偏。 AI

影响 为聚类算法提供了理论基础，可能改进机器学习应用中的数据划分。

排序理由 该集群包含一篇学术论文，详细介绍了机器学习问题的新的理论分析和算法。[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 →

新框架对具有理论保证的MAXCUT聚类算法进行分析

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Shuheng Zhou ·

    MAXCUT聚类中的半定规划松弛与去偏

    arXiv:2401.10927v3 Announce Type: replace Abstract: In this paper, we consider the problem of partitioning a small data sample of size $n$ drawn from a mixture of $2$ sub-gaussian distributions in $\mathbb{R}^p$. We consider semidefinite programming relaxations of an integer quad…

相关实体

相关话题