Core Concepts
動的相関クラスタリングの問題において、3近似を超える新しいアルゴリズムを提案し、その分析を行う。
Abstract
本論文では、動的相関クラスタリングの問題を扱っている。相関クラスタリングとは、n個のオブジェクトの間の類似性/非類似性ラベルに基づいて、オブジェクトを任意の数のクラスターに分割する問題である。
動的設定では、ラベルの反転が更新として与えられる。先行研究では、ピボットアルゴリズムを用いて動的に3近似を維持する手法が提案されていたが、3近似が最良の近似比であることが知られていた。
本論文では、ピボットアルゴリズムの出力を局所的に改善するModifiedPivotアルゴリズムを提案し、その分析を行う。具体的には以下の手順を行う:
類似性の低い頂点をシングルトンクラスターに移動する
非隣接頂点の一部を既存のクラスターに追加する
上記の操作を行いながら、悪三角形への課金スキームを設計し、その幅が2.997以下であることを示す
これにより、3近似を超える新しい近似比を達成できることを示す。
Stats
最適解のコストは、悪三角形の分数パッキングの下限によって下界づけられる。
提案アルゴリズムの出力コストは、悪三角形への課金の合計によって上界づけられる。