1.KKM
基本思想:核函数将原样本的特征向量映射到一个更高维的特征空间中,然后在此空间中实现聚类。
使为n个样本的集合,φ(·) :x ∈ X → H为核函数将样本特征空间映射到希尔伯特空间H当中,所以KKM算法最终要优化的目标函数即为分配矩阵x Z ∈ {0, 1}n×k上的平方和损失函数:
此即为代表当前c类中共有多少个样本
此即为当前c类所有样本特征均值,最终目标即优化此函数了。
2.MKKM
基本思想:将KKM推广到多核当中,更新相应的目标函数。
未完待续……
1.KKM
基本思想:核函数将原样本的特征向量映射到一个更高维的特征空间中,然后在此空间中实现聚类。
使为n个样本的集合,φ(·) :x ∈ X → H为核函数将样本特征空间映射到希尔伯特空间H当中,所以KKM算法最终要优化的目标函数即为分配矩阵x Z ∈ {0, 1}n×k上的平方和损失函数:
此即为代表当前c类中共有多少个样本
此即为当前c类所有样本特征均值,最终目标即优化此函数了。
2.MKKM
基本思想:将KKM推广到多核当中,更新相应的目标函数。
未完待续……