확장 가능하고 분산 가능한 실루엣 근사 (Scalable and Distributed Silhouette Approximation)

요약

대규모 데이터셋에서 k-클러스터링 품질을 평가하는 실루엣 계수의 계산 복잡도 문제를 해결하기 위한 새로운 알고리즘을 제안합니다. 샘플링 기반의 엄격한 근사 방식을 통해 정확도와 효율성 사이의 트레이드오프를 제어하며, 분산 컴퓨팅 환경에서도 확장 가능함을 증명했습니다.

핵심 포인트

• 기존 $O(n^2)$의 높은 계산 복잡도를 가진 실루엣 계산 문제를 해결
• 샘플링 기반의 엄격하고 효율적인 지역적/전역적 실루엣 추정 알고리즘 제안
• MapReduce 및 MPC 프레임워크를 위한 분산 가능한 설계 도입
• 정확도와 효율성 사이의 제어 가능한 트레이드오프 제공