K-center算法笔记

最新推荐文章于 2023-12-15 19:15:23 发布
最新推荐文章于 2023-12-15 19:15:23 发布
阅读量4.6k 收藏 18
点赞数 1
分类专栏： Clustering 文章标签： 数据挖掘 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_34330491/article/details/106053847
版权

K-center问题

# 欢迎使用Markdown编辑器
黑色方块代表输入的点，蓝色圆点则是k-center问题中需要寻找的center。
k-center： 寻找k个半径越小越好的center以覆盖所有的点。
其中，定义distance matric为
在这里插入图片描述
定义好距离之后，K-center就可以表示为如下优化
在这里插入图片描述
K-center贪婪算法伪码

在这里插入图片描述
改进版伪码
在这里插入图片描述

几个定理
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

NP-hard问题中需要注意的三点
在这里插入图片描述
三点同时考虑很可能在多项式时间内无法完成

HsuHsia
关注
  • 1
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
近似算法与K-center问题的解释不清楚笔记
巨大化
05-30 8140
K-center
k-center问题
skewary的博客
05-19 2541
k-center问题 问题描述
K-center聚类的python实现
辉的博客
12-30 837
K-center聚类和K-means聚类类似，都是通过迭代类中心点直至收敛，不同的是K-center的中心点必须是一个真实的样本点，而K-means并不需要。
K. Center（几何+贪心）
qq_44555205的博客
09-07 1181
这道题有思路，但是时间不够了，所以没来得及写出来，比赛结束之后我才按照思路写了一遍就AC了；当时没想出来…脑壳懵逼状态QAQ； 题意：给你n个点去找其他点使得找的其他点的数量最小，使得所有点都关于同一个中心有对应的点与之中心对称； 比如这种： 那么就不需要添加点了，因为他本来就可以关于p点对称了； 然后我和队友写了写，如果我去枚举每两个点之间的中心，然后记录出现的次数；那么不就可以直接取重叠...
创新实训个人记录：metric k-center
qq_41545715的博客
06-02 702
个人记录：为BR-MTC问题设计一个近似算法
k-center 聚类
keyanxiaocaicai的专栏
05-13 2232
N data items —- > k clusters in each cluster, there is a cluster center. Object: minimize the maximum distance from each item to its nearest cluster centers (maximum distance !! not sum of distan...
k-center-problem:使用最远优先遍历的k-center-problem的Python实现
06-06
《使用最远优先遍历解决k-center问题的Python实践》 k-center问题是一个经典的图论问题，其目标是在一个带权重的图中找到最小数量的中心，使得所有顶点到最近中心的距离最大值最小。这个问题在设施定位、数据聚类等...
u-center v22.07
03-14
【标题】"u-center v22.07" 是一款专业的GPS实时动态定位软件，它在高精度导航、测绘和GIS应用中扮演着重要角色。该版本为22.07，代表了软件的更新迭代，可能包含了性能优化、新功能的引入以及已知问题的修复。 ...
算法设计与分析：Lec11-k-center.pdf
09-19
算法设计与分析：Lec11-k-center.pdf
u-center简单使用手册2
08-08
u-center 简单使用手册2 u-center 是一种基于人工智能技术的 GPS 数据处理软件，提供了多种功能来处理和分析 GPS 数据。在本手册中，我们将详细介绍 u-center 的使用方法和功能。 一、串口选择和波特率设置 在 u-...
config-center
最新发布
05-16
总的来说，“config-center”是构建大型分布式系统不可或缺的一部分，而“config-center-master”则可能是实现这一功能的一个具体项目或库，包含了实现配置中心所需的所有组件和资源。理解并熟练运用配置中心，能...
k-center问题-学习
weixin_30902251的博客
03-13 1065
k-center问题： In graph theory, the metric k-center or metric facility location problem is a combinatorial optimization problem studied in theoretical computer science. Given n cities with specified dis...
k-center近似比为2证明
abcsmallxhj的博客
05-06 1173
k-center近似比为2证明1.*k*-center定义-对定义的解释 1.k-center定义 给定数据集PPP，从PPP中选择kkk个点，C={c1,c2,...,ck}C=\{c_{1}, c_{2}, ..., c_{k}\}C={c1​,c2​,...,ck​}，最小化目标函数 maxx∈Pd(x,C)max_{x\in P} d(x, C)maxx∈P​d(x,C)，其中d(x,C...
算法设计 第十一章 近似算法
qq_42153494的博客
05-31 2353
算法设计 第十一章 近似算法1 近似算法1.1 近似率：2例子2.1集合覆盖 set cover2.1.1 贪婪近似算法2.1.2 计算近似率2.2 时序问题 scheduling2.2.1 近似算法一2.2.2 近似率2.2.3 近似算法二2.2.4 近似率二2.3背包问题 knapsack2.4 点集覆盖 vertex cover2.4.1 近似算法2.4.2近似率2.5 旅行商问题 TSP2.5.1 近似算法12.5.2 近似率2.5.3 近似算法22.5.42.6k-center 问题2.6.1算
k-medoid(k中心点)聚类算法Python实现
热门推荐
weixin_39220714的博客
12-06 3万+
k-means算法有个很大的缺点，就是对孤立点敏感性太高，孤立点即是脱离群众的点，与众不同的点，即在显示中与其他点不是抱在一团的点。 为了体现两者的不同，我特意温习了一下知识，在构造初始点的时候，自己定义加入了几个孤立点，使用k-means算法跑的效果如下： 一开始的所有点：（可以看出其他点是混在一起有许多分类的） 使用k-means算法运行，定义3个中心点： 可以看到...
k-中心问题
WisdomXLH的博客
11-16 2975
首先，我们通过给出一个实例来讲述一下什么是k-中心问题？ 给定一个城市集合以及城市间的距离，从中选取k个城市来设置仓库，使得各城市与离它最近的仓库的距离中的最大者达到最小。（此类问题就称为k-中心问题） 如下图所示： 仓库：C F 城市：A B D E A 距离C仓库最近 距离为5 B 距离C仓库最近 距离为15 D 距离F仓库最近 距离为4 E 距离F仓库最近 距离为9 各城市最近仓库距离中的最大值为15 本章研究的是k-...
TuGraph Analytics图计算快速上手之K-core算法
TuGraph的博客
09-04 727
K-Core算法是一种用来在图中找出符合指定核心度的紧密关联的子图结构，在K-Core的结果子图中，每个顶点至少具有k的度数，且所有顶点都至少与该子图中的 k 个其他节点相连。K-Core通常用来对一个图进行子图划分，通过去除不重要的顶点，将符合逾期的子图暴露出来进行进一步分析。K-Core图算法常用来识别和提取图中的紧密连通群组，因具有较低的时间复杂度（线性）及较好的直观可解释性，广泛应用于金融风控、社交网络和生物学等研究领域。
【数据蒸馏】静态数据蒸馏方法汇总
prinTao的博客
09-01 1461
基于几何的方法假设在特征空间中彼此接近的数据点往往具有相似的属性。因此，基于几何的方法试图移除那些提供冗余信息的数据点，剩下的数据点形成一个核心集合S，其中jSj ≤ jTj。
大模型微调技巧 | 高质量指令数据筛选方法-MoDS
12-15 816
写在前面大家好，我是刘聪NLP。大模型时代，指令微调已经成了算法工程师们必不可少的技能。而在指令微调过程中，我们往往会从数据数量和数据质量两个维度来对模型进行调优。之前写过一篇《从大量可用数据集中自动识别高质量数据》的文章，今天给大家带来一个新的方法-MoDS，一种面向模型的指令数据选择方法-《MoDS: Model-oriented Data Selection for Instruction ...
k-means算法改进优化matlab
11-25
K-means算法是一种常用的聚类算法，但是在实际应用中，由于其对初始聚类中心的敏感性和容易陷入局部最优解等问题，需要进行改进和优化。以下是几种常见的K-means算法改进和优化方法： 1. K-means++算法：该算法通过改进初始聚类中心的选择方法，使得初始聚类中心更加分散，从而提高了算法的稳定性和准确性。 2. Mini Batch K-means算法：该算法通过随机抽取一部分样本进行聚类，从而减少了计算量，提高了算法的效率。 3. Kernel K-means算法：该算法通过将样本映射到高维空间，从而使得原本线性不可分的样本在高维空间中变得线性可分，从而提高了算法的准确性。 4. 基于遗传算法的K-means算法：该算法通过遗传算法对聚类中心进行优化，从而提高了算法的准确性和稳定性。 5. 基于粒子群算法的K-means算法：该算法通过粒子群算法对聚类中心进行优化，从而提高了算法的准确性和稳定性。 6. 基于模拟退火算法的K-means算法：该算法通过模拟退火算法对聚类中心进行优化，从而提高了算法的准确性和稳定性。 以下是一个K-means++算法的Matlab实现代码： ```matlab function [idx, C] = kmeans_plus(X, k) % K-means++ algorithm for initialization % X: data matrix, each row is a sample % k: number of clusters % idx: cluster index for each sample % C: cluster center n = size(X, 1); D = ones(n, 1) * inf; C = zeros(k, size(X, 2)); idx = zeros(n, 1); % randomly select the first center idx(1) = randi(n);C(1, :) = X(idx(1), :); for i = 2:k % calculate the distance between each sample and the nearest center for j = 1:n d = norm(X(j, :) - C(1, :)); for l = 2:i-1 d = min(d, norm(X(j, :) - C(l, :))); end D(j) = d; end % select the next center with probability proportional to the distance D_sum = sum(D); D = D / D_sum; D_cumsum = cumsum(D); r = rand(); for j = 1:n if r <= D_cumsum(j) idx(i) = j; C(i, :) = X(j, :); break; end end end % run k-means algorithm with the initialized centers [idx, C] = kmeans(X, k, 'Start', C); end ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值