Iterative merging heuristics for correlation clustering

Andrzej Lingas, Mia Persson, Dzmitry Sledneu

Forskningsoutput: TidskriftsbidragArtikel i vetenskaplig tidskriftPeer review

Sammanfattning

A straightforward natural iterative heuristic for correlation clustering in the general setting is to start from singleton clusters and whenever merging two clusters improves the current quality score merge them into a single cluster. We analyse the approximation and complexity aspects of this heuristic and its three simple deterministic or random refinements.
Originalspråkengelska
Sidor (från-till)105-117
TidskriftInternational Journal of Metaheuristics
Volym3
Utgåva2
DOI
StatusPublished - 2014

Ämnesklassifikation (UKÄ)

  • Datavetenskap (datalogi)

Fingeravtryck

Utforska forskningsämnen för ”Iterative merging heuristics for correlation clustering”. Tillsammans bildar de ett unikt fingeravtryck.

Citera det här