k中心点聚类算法伪代码_聚类算法之——K-Means、Canopy、Mini Batch K-Means

K-Means||算法

K-Means||算法是为了解决K-Means++算法缺点而产生的一种算法；

主要思路是改变每次遍历时候的取样规则，并非按照K-Means++算法每次遍历只获取一个样本，而是每次获取K个样本，重复该取样操作O(logn)次(n是样本的个数)，然后再将这些抽样出来的样本聚类出K个点，最后使用这K个点作为K-Means算法的初始聚簇中心点。实践证明：一般5次重复采用就可以保证一个比较好的聚簇中心点。

整体步骤

1. 在N个样本中抽K个样本，一共抽log(n)次，形成一个新的样本集，一共有K*log(n)个数据。
2. 在新数据集中使用K-Means算法，找到K个聚簇中心。
3. 把这K个聚簇中心放到最初的样本集中，作为初始聚簇中心。
4. 原数据集根据上述初始聚簇中心，再用K-Means算法计算出最终的聚簇。

伪代码

采用了一个采样因子l，第1步随机初始化一个中心点，第2-6步计算出满足概率条件的多个候选中心点C，候选中心点的个数可能大于k个，所以通过第7-8步来处理。第7步给C中所有点赋予一个权重值

，这个权重值表示距离x点最近的点的个数。第8步使用

k-means算法聚类出这些候选点的k个聚类中心。