e-means 聚类新方法遭反例挑战,损失可比 k-means 无界恶化

RexDouglass · x · 2026-11-18

arXiv 论文《Two Counterexamples for e-means》对 Bessa 等人 2026 年提出的 e-means 聚类算法(结合指数平均与簇复兴机制)给出两个反例:在相同初始中心的条件下,按其发表的流程运行,最终损失可高于经典 k-means(Lloyd, 1982)。作者进一步指出,基于质量的簇复兴机制可能破坏已有的全局最优解,即使配合 k-means++ 初始化,期望损失的比值也可以是无界的。

原文链接 →

「研究」频道最新

更多「研究」频道 AI 资讯 →