概率空间中基于原型的聚类的强一致性
摘要：关于原型或基于距离的聚类中经验风险最小化归纳原则的强一致性的证明方法的一般性表述：一种以Kullback-Leibler散度为基础的概率空间中的分割信息论特征聚类模型激发了这种方法，该模型可以被看作是聚类最小化框架中的一种特殊情况。此外，我们提出了聚类正则化方法，限制了创建不重要或与现有聚类无本质区别的额外聚类。
作者：Vladimir Nikulin and Geoffrey J. McLachlan
论文ID：1004.3101
分类：Machine Learning
分类简称：stat.ML
提交时间：2010-04-20