K-means clustering 介绍论文

http://blog.csdn.net/kingskyleader/article/details/6064838

以下摘自原文：

介绍k-means算法
把数据分成几组，按照定义的测量标准，同组内数据与其他组数据相比具有较强的相似性，这就叫聚簇[4]。聚簇是数据挖掘最基础的操作，但现在存在的一些传统聚簇方法已不能满足处理复杂类型的、高维的、任意分布形状的数据集合的需要。
k-means 算法就是用得最多的一种传统的聚簇方法，是一种划分法，相似度的计算是求数据对象与簇中心的距离，与簇中心距离近的就划为一个簇。其工作 流程如下：

首先，随机地选择k个对象，每个对象初始地代表了一个簇的平均值或中心。对剩余的每个对象，根据其与各个簇中心的距离，将其赋给最近的簇。然后 重新计算每个簇的平均值，求出新的簇中心，再重新聚簇。这个过程不断重复，直到准则函数收敛。该算法的时间复杂度是O（nkt），其中n是所有对象数目， k是簇的数目，t是迭代次数。它的效率比较高；缺点是只能处理数值型数据，不能处理分类数据，对例外数据非常敏感，不能处理非凸面形状的聚簇。