最小割聚类的信息论推导
摘要：基于最小化Shi和Malik提出的两个启发式成本函数之一的最小割聚类，已经在过去十年中在图分割和图像分割界产生了巨大的研究，包括分析和算法研究。然而，目前尚不清楚是否可以从一个更一般的原则推导出这些启发式方法，从而实现对新问题设置的推广。基于现有的图分割框架，我们推导出优化相关信息（在信息瓶颈方法中定义）和正则化割与图的K分割之间的关系。对于快速混合的图，我们证明了Shi和Malik引入的成本函数可以很好地近似为关于图上随机行者位置预测信息的损失速率。对于由用于模拟社区结构的随机算法生成的图，我们展示了最优信息论分割和最优最小割分割高概率情况下是相同的。
作者：Anil Raj and Chris H. Wiggins
论文ID：0811.4208
分类：Machine Learning
分类简称：stat.ML
提交时间：2008-11-27