A New Framework for Convex Clustering in Kernel Spaces: Finite Sample Bounds, Consistency and Performance Insights
본 논문은 비선형 및 비볼록 구조를 효과적으로 처리하기 위해 데이터를 재생 커널 힐베르트 공간으로 투영하는 커널화된 볼록 클러스터링 프레임워크를 제안하며, 수렴성과 유한 표본 한계에 대한 이론적 보장을 제공함과 동시에 최첨단 방법론보다 우수한 성능에 대한 실증적 증거를 제시합니다.