一篇新论文探讨了聚类算法的局限性，特别是针对 Kleinberg 不可能性定理，该定理指出没有单一的划分能够同时满足尺度不变性、丰富性和一致性。研究表明，通过从扁平划分转向分层聚类，可以同时满足这些公理。该论文引入了‘可容许’分层聚类方法라는概念，并表明尽管它们之间存在显著的差异，但它们都共享一个由分离良好的簇组成的共同骨干。 AI
影响 这项研究推进了对聚类算法的理论理解，可能导致更鲁棒的 AI 数据分析方法。
排序理由 该聚类是关于在 arXiv 上发表的一篇讨论理论计算机科学概念的学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Despite its ubiquity, clustering lacks a universally accepted definition of what is a cluster. Kleinberg's Impossibility Theorem formalizes this difficulty by showing that no flat clustering method can simultaneously satisfy three natural axioms: scale invariance, richness, and c…
arXiv:2609.11173v1 Announce Type: cross Abstract: Despite its ubiquity, clustering lacks a universally accepted definition of what is a cluster. Kleinberg's Impossibility Theorem formalizes this difficulty by showing that no flat clustering method can simultaneously satisfy three…