新的 Big-means++ 算法增强了大数据 K-means 聚类的全局优化

研究人员开发了 Big-means++，这是一种旨在应对大数据 K-means 聚类挑战的新型算法。该方法旨在通过为大型数据集上的最小平方和聚类 (MSSC) 精选输入来实现可扩展性和高质量的全局优化。Big-means++ 协调局部 K-means 细化，以执行原生数据全局搜索，导航样本引起的代理景观，而不是直接优化完整的 MSSC 目标。在 22 个数据集上的实验表明，与 11 种其他算法相比，Big-means++ 有效、高效且稳健。 AI

影响 这种新算法为大数据聚类任务提供了改进的可扩展性和解决方案质量，可能使数据分析和机器学习应用受益。

排序理由 该集群包含一篇详细介绍大数据聚类新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• Big-means++
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• k-means clustering
• ScienceCast

• 论文
• 其他

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