[论文解读] Clustering to Maximize the Ratio of Split to Diameter

Jiabing Wang, Jiaye Chen|arXiv (Cornell University)|Jun 18, 2012

Medical Image Segmentation Techniques参考文献 9被引用 4

一句话总结

本文提出了一种新颖的聚类准则，旨在最大化最小类间差异（分裂）与最大类内差异（直径）的比值。对于 k=2，提出了一种时间复杂度为 O(n³) 的精确算法；对于 k≥3，证明了问题的 NP-难性，并在三角不等式条件下提出了一个 2-近似算法，通过图像分割实验验证了其性能优于归一化割（Normalized Cut）。

ABSTRACT

Given a weighted and complete graph G = (V, E), V denotes the set of n objects to be clustered, and the weight d(u, v) associated with an edge (u, v) belonging to E denotes the dissimilarity between objects u and v. The diameter of a cluster is the maximum dissimilarity between pairs of objects in the cluster, and the split of a cluster is the minimum dissimilarity between objects within the cluster and objects outside the cluster. In this paper, we propose a new criterion for measuring the goodness of clusters: the ratio of the minimum split to the maximum diameter, and the objective is to maximize the ratio. For k = 2, we present an exact algorithm. For k >= 3, we prove that the problem is NP-hard and present a factor of 2 approximation algorithm on the precondition that the weights associated with E satisfy the triangle inequality. The worst-case runtime of both algorithms is O(n^3). We compare the proposed algorithms with the Normalized Cut by applying them to image segmentation. The experimental results on both natural and synthetic images demonstrate the effectiveness of the proposed algorithms.

研究动机与目标

• 开发一种新的聚类准则，通过最大化分裂与直径的比值，平衡聚类的凝聚性与分离性。
• 为该新准则设计高效算法，特别是针对小规模和一般情况下的 k（聚类数量）。
• 证明当 k≥3 时该问题的计算复杂度，并在三角不等式条件下建立近似保证。
• 在图像分割任务中，通过实验对比已有的方法（如归一化割）评估所提方法的性能。
• 展示基于比值的准则在生成有意义且高度分离的聚类方面具有有效性。

提出的方法

• 将聚类的分裂定义为该聚类中任意对象与外部任意对象之间的最小差异。
• 将聚类的直径定义为该聚类中任意两个对象之间的最大差异。
• 提出将分裂与直径的比值最大化作为聚类的目标函数。
• 对于 k=2，通过在所有可能的 2-划分上使用动态规划或穷举搜索，以 O(n³) 时间找到最优解。
• 对于 k≥3，证明了 NP-难性，并提出一种基于三角不等式下聚类细化的 2-近似算法。
• 采用贪心或迭代细化策略构建聚类，同时保持 2-近似保证。

实验结果

研究问题

• RQ1 基于分裂与直径比值的聚类准则是否能产生比现有方法更合理的聚类？
• RQ2 对于 k=2，最大化分裂-直径比值的问题是否具有计算可解性？
• RQ3 当 k≥3 时，最大化分裂-直径比值问题的计算复杂度如何？
• RQ4 在三角不等式条件下，能否为 k≥3 设计出常数因子近似算法？
• RQ5 在实际图像分割任务中，所提方法与归一化割相比表现如何？

主要发现

• 对于 k=2，所提算法在 O(n³) 时间内找到最优聚类，提供可证明的精确解。
• 对于 k≥3，问题被证明为 NP-难，表明不存在多项式时间的精确解。
• 在三角不等式条件下，为 k≥3 开发了 2-近似算法，确保解与最优比值的差距在 2 倍以内。
• 精确算法与近似算法的最坏情况时间复杂度均为 O(n³)，使其适用于中等规模数据集。
• 在自然图像与合成图像上的实验结果表明，所提方法在聚类质量和分离度方面优于归一化割。
• 基于比值的准则能有效捕捉聚类的凝聚性与分离性，从而生成更清晰、更有意义的聚类。