算法词典20210224

k-means:

输入：数据集、聚类个数k，聚类中心初值

输出：聚好类的数据集

功能：将数据集根据聚类个数进行聚类，使得样本到聚类中心的距离平方最小。其实并没有全局最小化，而是一个局部最小化算法。

伪代码：

1. 获得聚类个数k及聚类中心c_1,c_2...c_k.
2. 重复步骤3和4直到算法收敛或者到指定的迭代次数。
3.    对于每一个数据点d_i:
4.        计算d_i到每一个中心点（c_1, c_2 .. c_k）的距离，并从中找到距离最近的中心点c_nearest。
5.        将数据点d_i的类别赋予为c_nearest。
6.    根据属于相同类别的数据集重新计算中心点，更新（c_1, c_2 .. c_k）
7. 完成

参考资料：

应用：

1、视觉特征定位中，构建词袋模型（FAB-MAP: Probabilistic Localization and Mapping in the Space of Appearance）

可以改进的点：

1、K如何确定

2、如何避免局部最优。

3、k-means是“硬分类”，每个数据只属于一个类别，如何实现软分类，或者获得每个数据属于特定类别的概率。

4、当聚类分布的协方差矩阵已知时，欧氏距离可以扩展为马氏距离。