标签
提出Big-means++，一种简单的算法，通过系统性地整理输入并使用样本诱导的代理景观，实现大数据K-means聚类的全局优化质量。
本文提出一种基于K-Means++的无监督聚类框架，用于检测资本市场数据中的可疑交易模式，轮廓系数达到0.561，识别出2.02%的交易可能为欺诈。
PE-means将私有进化算法应用于差分隐私k-means聚类，相比现有方法，聚类损失平均改进了20%。
作者分享了他们通过将k-means用作top-1稀疏编码来降低多向量检索成本的工作。Omar Khattab补充说，在无监督稀疏自编码器上使用神经元级别倒排索引的晚期交互稀疏检索效果很好。
一种单次方法将在线 k-means 调色板优化与 Bayer 有序抖动结合，省去了独立的像素映射步骤，带来轻微提速并生成视觉上更有趣的结果。