具有必须链接和不能链接约束的$k$-均值问题的有效算法

由于在数据科学和人工智能中的广泛应用，最近对以实例级“必须链接”（ML）和“不能链接”（CL）辅助信息为约束条件的$k$-均值等约束聚类进行了广泛的研究。为了解决这个问题，我们提出了一种算法，当只考虑ML约束时，其可证明近似比为$O（\log k）$。我们还实证评估了我们的算法在具有人工ML和不相交CL约束的真实世界数据集上的性能。实验结果表明，该算法在聚类精度上优于现有的基于贪婪的启发式算法。