经典聚类算法调研

本文将盘点六个经典的聚类算法，以便于后续研究。经典的聚类算法主要包括以下六种：

1. Means-shift聚类
2. k-means聚类
3. Fuzzy C means聚类
4. Medoid shift算法
5. Turbopixel算法
6. SLIC算法

Means-shift聚类（均值漂移）

核心思想

均值漂移聚类是基于滑动窗口的算法，用来寻找到数据最密集的区域。这是一个基于质心的算法，通过将中心点的候选点更新为滑动窗口内点的均值来完成，来定位每个组/类的中心点。

然后对这些候选窗口进行相似窗口进行去除，最终形成中心点集及相应的分组。

算法步骤

1. 确定滑动窗口半径r，以随机选取的中心点C半径为r的圆形滑动窗口开始滑动。均值漂移类似一种爬山算法，在每一次迭代中向密度更高的区域移动，直到收敛。

2. 每一次滑动到新的区域，计算滑动窗口内的均值来作为中心点，滑动窗口内的点的数量为窗口内的密度。在每一次移动中，窗口会想密度更高的区域移动。

3. 移动窗口，计算窗口内的中心点以及窗口内的密度，知道没有方向在窗口内可以容纳更多的点，即一直移动到圆内密度不再增加为止。

4. 步骤一到三会产生很多个滑动窗口，当多个滑动窗口重叠时，保留包含最多点的窗口，然后根据数据点所在的滑动窗口进行聚类。

   下图演示了均值漂移聚类的计算步骤：