用似然替代距离进行硬聚类，证明了收敛性。

k-MLE, k-Bregman, k-VARs: Theory, Convergence, Computation

• 基于似然而非距离的硬聚类方法
• 严格证明了算法收敛性
• 适用于需要理论保障的聚类场景

我们提出一种基于似然的硬聚类方法，取代传统的距离度量，并证明了该方法的收敛性。通过模拟实验和真实数据案例验证了方法的有效性。该框架为聚类分析提供了新的理论视角，尤其在需要数学保证的场景下具有优势。

原文摘要 · Abstract (English)

We develop hard clustering based on likelihood rather than distance and prove convergence. We also provide simulations and real data examples.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。