BriefGPT - AI 论文速递
·
大规模并行热图排序及其在可解释聚类中的应用
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了热图排序问题，旨在重新排序和合并点和维度的同时保留聚类。作者提出了一个具有恒定轮数的固定参数算法，并证明了该问题是 NP 难问题。作者还提出了一种近似算法，并在实验中将其与 k-means 和 DBSCAN 进行了比较。
🎯
关键要点
- 介绍了热图排序问题，旨在重新排序和合并点和维度的同时保留聚类。
- 证明了热图排序问题是 NP 难问题。
- 提出了一个具有恒定轮数的固定参数算法，适用于高度并行计算模型。
- 每台机器具有子线性内存，总内存为线性。
- 针对 NP 难特例提出了一种近似算法。
- 通过局部敏感散列的降维，对电子邮件和计算机网络的多个图进行实验比较。
- 将提出的算法与 k-means 和 DBSCAN 进行了比较。
➡️
