Kmeans 模糊Kmeans Kmeans++ 算法实例

最近学习了，Kmeans，Kmeans++，模糊Kmeans

看了几篇关于Kmeans的文献

首先讲解下各个算法的流程

Kmeans：

①随机选择K个对象作为初始的聚类中心

②计算每个对象与各个聚类中心的距离

③将对象分配给距离最近的聚类中心，形成K个聚类

④计算每一簇中所有点的平均值，并把他作为聚类中心，⑤重复②③④步骤，直到簇中心不变或是达到设定的迭代次数或设定的容错范围内

模糊Kmeans：

①确定聚类数目

②初始化隶属矩阵 U
③根据隶属矩阵更新聚类中心

④判断目标函数差值是否小于阈值C，若不满足则根据聚类中心重新迭代求解隶属度，回到步骤3

这是质心更新公式

这是隶属度更新公式

Kmeans++（Kmeans++与Kmeans唯一的不同在于初始点的选取）：

初始点选取：

①从数据集随机选取一个样本作为初始聚类中心

②计算每个样本与当前已有聚类中心之间的最短距离（即与最近的一个聚类中心的距离），并用D(X)表示，接着计算每个样本被选为下一个聚类中心的概率，用轮盘法选出下一个聚类中心(为啥不直接用最大的)

③重复以步骤二直到选取K个聚类中心