K-Core算法

来自于百度

为减轻K-means算法对孤立点的敏感性，k中心点算法不采用簇中对象的平均值作为簇中心，而选用簇中离平均值最近的对象作为簇中心。

K中心算法的基本过程是：首先为每个簇随意选择一个代表对象，剩余的对象根据其与每个代表对象的距离（此处距离不一定是欧氏距离，也可能是曼哈顿距离）分配给最近的代表对象所代表的簇；然后反复用非代表对象来代替代表对象，以优质聚类质量。聚类质量用一个代价函数来表示。当一个中心点被某个非中心点替代时，除了未被替换的中心点外，其余各点被重新分配。

算法如下

输入：包含N个对象的数据库和簇数目K

输出：K个簇

1、随机选择K个代表对象作为初始的中心点

2、指派每个剩余对象给离它最近的中心点所代表的簇

3、随机地选择一个非中心点对象Y

4、计算用Y代替中心点X的总代价S

5、如果S为负，则用可用Y代替X，形成新的中心点

6、重复2、3、4、5.直到K个中心点不再发生变化。