Local versions of sum-of-norms clustering
Local versions of sum-of-norms clustering
复制标题
DOI：
10.1137/21m1448732
复制
发表时间：
2021-09
期刊：
影响因子：
--
通讯作者：
Alexander Dunlap;J. Mourrat
中科院分区：
文献类型：
--
作者：
Alexander Dunlap;J. Mourrat
． 范数和聚类是一个凸优化问题，其解可用于多变量数据的聚类。我们提出并研究了该方法的一个局部化版本，并特别证明了它可以在随机球模型中分离任意接近的球。更准确地说，我们证明了不相交连通集聚类误差的定量界。我们的界是用数据点的个数和泛函的局部化长度来表示的。
. Sum-of-norms clustering is a convex optimization problem whose solution can be used for the clustering of multivariate data. We propose and study a localized version of this method, and show in particular that it can separate arbitrarily close balls in the stochastic ball model. More precisely, we prove a quantitative bound on the error incurred in the clustering of disjoint connected sets. Our bound is expressed in terms of the number of datapoints and the localization length of the functional.