Gmedian（几何中位数或者中位数中心）

Gmedian是Geometric median的简称，也叫做spatial median 或者 L1-median，描述的是到$n$个点的加权距离之和最小的那个点。是平凡中位数的扩展。
所谓的中位数，是在一个有序数组的中间位置的那个数。如果是偶数个数，那么是中间位置的两个数的均值。比如 { 1 , 2 , 3 } \{1,2,3\} {1,2,3}的中位数为2， { 1 , 2 , 3 , 4 } \{1,2,3,4\} {1,2,3,4}的中位数为2.5。中位数存在的前提是两个数之间是可比较的，这样才能排序，然后确定中间位置的那个数。
但是，如果不是数而是点呢？
点之间是无法直接比较大小的，所以给点排序不是一个直接的操作。当然，有一个例外，就是所有点在同一条直线上的时候，这些点是天然有序的，只需要取其中间位置的点作为中位数就可以了。
如果我们需要在数据是点时，也能找出一个像中位数这样的统计量，那就是Gmedian。
这个问题叫做Fermat–Weber problem：一个点到给定$n$个点的距离之和最小。当然，还有一个条件时这$n$个点不在同一条直线上。
具体一点的描述是，假设我们有$n$个不同的点 { A 1 , A 2 , ⋯   , A n } \{A_1,A_2,\cdots,A_n\} {A1​,A2​,⋯,An​}不在同一条直线上（一般默认这n个点互不相同），那么存在一个唯一的点M，使得对任意不同于M的点，有下列不等式成立：
$$\sum _{i=1}^n\Vert X-A_i{\Vert }^2>\sum _{i=1}^n\Vert M-A_i{\Vert }^2.$$
其中，$\Vert X-A_i{\Vert }^2$表示点X和点A之间的距离。
有以下两个定理成立：
1、如果存在一个不在 { A 1 , A 2 , ⋯   , A n } \{A_1,A_2,\cdots,A_n\} {A1​,A2​,⋯,An​}中的带你M，满足：
$$\sum _{i=1}^{n}U(M{A}_i)=0,$$
那么这个点M是Gmedian。
2、如果存在一个唯一的点 A k ∈ { A 1 , A 2 , ⋯   , A n } A_k\in \{A_1,A_2,\cdots,A_n\} Ak​∈{A1​,A2​,⋯,An​}满足：
$$\left|\sum _{i=1}^{n}U(A_k{A}_i)\right|\le 1,$$
那么$A_k$是Gmedian。
其中$U(R,S)=\frac{S-R}{\Vert S-R\Vert }$，是从R指向S的一个单位向量。