Robust k-means clustering for distributions with two moments
具有两个有界矩的分布下的稳健 k-means 聚类AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般稳健聚类与量化误差理论，未明确对应所列因果、宏观或金融领域。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
具有两个有界矩的分布下的稳健 k-means 聚类
- 研究问题
- 仅有摘要所述两个有界矩条件时，如何基于独立观测构造稳健 k-means 量化器，并控制其非渐近超额失真？
- 方法与思路
- 作者采用均值中位数方法构造稳健聚类算法，在一般可分 Hilbert 空间中借助稳健均值估计的统一界分析失真。
- 材料陈述的贡献
- 摘要称得到呈次高斯形式的超额失真界，并在欧氏空间的特殊情形证明常数因子内匹配、依赖最轻簇概率质量的上下界。
- 阅读关注点
- 应核对两个有界矩条件的精确定义、量化器构造及最轻簇质量的作用，并区分一般空间与欧氏特殊情形的结果。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；矩条件和特殊情形限制未完整列出，次高斯形式的误差界不代表数据服从次高斯分布。
原文摘要
We consider the robust algorithms for the k-means clustering problem where a quantizer is constructed based on N independent observations. Our main results are median of means based nonasymptotic excess distortion bounds that hold under the two bounded moments assumption in a general separable Hilbert space. In particular, our results extend the renowned asymptotic result of (Ann. Statist. 9 (1981) 135–140) who showed that the existence of two moments is sufficient for strong consistency of an empirically optimal quantizer in Rd. In a special case of clustering in Rd, under two bounded moments, we prove matching (up to constant factors) nonasymptotic upper and lower bounds on the excess distortion, which depend on the probability mass of the lightest cluster of an optimal quantizer. Our bounds have the sub-Gaussian form, and the proofs are based on the versions of uniform bounds for robust mean estimators.