原形聚类-K_Means

原形聚类

“原形”是指样本空间中具有代表性的点
原形聚类也叫“基于原形的聚类”，此类算法假设聚类结构能通过一组原形刻画，在现实聚类任务中极为常用。

K_Means

对给定样本集合$D=\{\mathbf{x}_i\}_{i=1}^{m}$，“K均值”（K_Means）算法针对聚类所得簇划分$C=\{C_j\}_{j=1}^{k}$最小化平方误差

$$E=\sum_{i=1}^{k}\sum_{\mathbf{x}\in C_i}||\mathbf{x}-\mathbf{\mu}_i||$$
其中 $\mathbf{\mu}_i=\dfrac{1}{|C_i|}\sum_{\mathbf{x}\in C_i}\mathbf{x}$是簇 $C_i$的均值向量。