论文部分内容阅读
核矩阵在很多机器学习算法中发挥了重要作用，但核矩阵处理的开销非常大。Nystrom方法是流行的抽样方法，抽样使得在处理较大型核矩阵时减少了计算负担。但是，Nystrom方法抽样时采用的是对矩阵进行行、列随机抽样，所以使得准确性受到影响。本文提出了一种基于密度的聚类Nystrom方法，使用密度类算法选出的中心点作为标志点，通过提高聚类的速度和质量来提高Nystrom方法的速度和质量，从而提高了抽样的效率和准确性。