Partial Optimality in Cubic Correlation Clustering

要約

高次相関クラスタリング問題は表現力豊かなモデルであり、最近、いくつかのアプリケーションに対してローカル検索ヒューリスティックが提案されています。
ただし、最適性の証明は NP 困難であり、問​​題ステートメントの複雑さによってすでに実質的に妨げられています。
ここでは、完全なグラフと 3 次目的関数の特殊なケースの部分最適条件の確立に焦点を当てます。
さらに、これらの条件をテストするためのアルゴリズムを定義して実装し、2 つのデータセットでその影響を数値的に調べます。

要約(オリジナル)

The higher-order correlation clustering problem is an expressive model, and recently, local search heuristics have been proposed for several applications. Certifying optimality, however, is NP-hard and practically hampered already by the complexity of the problem statement. Here, we focus on establishing partial optimality conditions for the special case of complete graphs and cubic objective functions. In addition, we define and implement algorithms for testing these conditions and examine their effect numerically, on two datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google