转自:周志华《机器学习》第9章
转自:http://blog.csdn.net/sunanger_wang/article/details/8852746
1、K-means
有样本D(x1,x2,...,xn),先随机找K个点作为类别中心,(1)计算每个样本距K个点的距离,将样本分类到距离最近的点,(2)根据每类的样本更新类别中心
2、LVQ,学习向量量化
前提:假设所有样本是有类别标记的,每个样本Xi,有类别标记Yi
找K个原型向量,(1)随机选一个样本(xi,yi),计算和K个向量的距离,找最近的那个Ki (2)如果Ki=yi ,更新Ki靠近Xi, 否则更新Ki远离xi
3、高斯混合聚类
看做K个高斯模型产生样本,使用概率函数