来自：苏黎世联邦理工学院，名校啊
终于看到和DNN无关的clustering文章了，没有那么多detail的烦恼，好激动。
最近几天一直陷到DNN的文献里边了，心情不爽啊，赶紧搞个纯聚类的压压惊。
啊啊，看不懂啊
我看到了各种bound……
看到第三页就没法看了……
搜了一下，发现作者主页，啊就是NIPS16 拿到oral的那个！搞出来一个 Fast and Provably Good Seedings for k-Means
算了先看实验吧
看到人家用了四个数据集，exicited！
- KDD — 145’751 samples with 74 features measuring the match between a protein and a native sequence
(KDD Cup, 2004).- CSN — 7GB of cellphone accelerometer data processed into 80’000 observations and 17 features
(Faulkner et al., 2011).- MSYP — 90 features from 515’345 songs of the Million Song datasets used for predicting the year of songs
(Bertin-Mahieux et al., 2011).- CODRNA — 8 features from 488’565 RNA input sequence pairs (Uzilov et al., 2006).
人家用了1.5TB memory，上G的数据集才明显看出来效果（里头用了抽样），看样子一个好的结果的确得有各种付出和机遇。
文章的主体其实在第三章就有了，就是 Definition 1 (Lightweight coreset for k-Means) ,形式很简单，后边第四、五章貌似就是为这一章服务的。