Clustering Affine Subspaces: Hardness and Algorithms

Clustering Affine Subspaces: Hardness and Algorithms
复制标题

仿射子空间聚类：硬度和算法

DOI：
--
复制
发表时间：
2013
期刊：
ACM-SIAM Symposium on Discrete Algorithms
影响因子：
--
通讯作者：
L. Schulman
L. Schulman
中科院分区：
--
文献类型：
--
作者：
Euiwoong Lee;L. Schulman

文献摘要

被引文献

相似文献

我们研究了著名的k-中心问题的推广，其中每个对象是一个维数为Δ的仿射子空间，并给出了第一个或显着改进的算法和硬度结果的许多参数的组合。这种从点（Δ = 0）的概括是由不完整数据的分析所激发的，这是统计学中的一个普遍挑战：
We study a generalization of the famous k-center problem where each object is an affine subspace of dimension Δ, and give either the first or significantly improved algorithms and hardness results for many combinations of parameters. This generalization from points (Δ = 0) is motivated by the analysis of incomplete data, a pervasive challenge in statistics: incomplete data objects in