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。
「研究」频道最新
- TCS 学界发布声明:招聘重质量轻数量,抵制 AI 论文军备竞赛 — fortnow · 2026-11-18
- 论文提出语言创造性的社会文化视角:从社区实践看创意生成 — abenitezburraco · 2026-11-18
- 无需训练或梯度:27B 模型可自行改写权重提升 unseen 任务 — udmrzn · 2026-11-18
- 开源 EDA 工具十年逆袭:从「不可能」到设计出蓝牙信标芯片 — IgorCarron · 2026-11-18
- AURA 2.0 发布:流式视频模型学会主动开口说话并调用工具 — Shuhan Li · 2026-11-18
- Orabona 撰文驳 AdaGrad 预条件化解释:全矩阵界限常不如标量学习率 — bremen79 · 2026-11-18