k-均值：一种基于型心的技术

思想: k-均值算法把簇的型心定义为簇内点的均值。它的处理流 程如下。首先，在数据集D中随机地选择k个对象，每个对象代表一个簇的初始均值或中心。对剩下的每个对象，根据其与各个簇中心的欧式距离，将它们分配到最相似的簇。然后，k-均值算法迭代地改善簇内变差。对于每个簇，它使用上次迭代分配到该簇的对象，计算新的均值。然后，使用更新后的均值作为新的簇中心，重新分配所有对象。迭代继续，直到分配稳定，即本轮形成的簇与前一轮形成的簇相同。

算法: k-均值。用于划分的k-均值算法，其中每个簇的中心都用簇中所有对象的均值来表示。

输入:

• k:簇的数目
• D:包含n个对象的数据集

输出:k个簇的集合

方法:

1. 从D中任意选择k个对象作为初始簇中心；
2. repeat
3.     根据簇中对象的均值，将每个对>象分配到最相似的簇；
4.     更新簇均值，即重新计算每个簇中对象的均值；
5. util不在发生变化；

由于k-均值算法采用的是贪心算法而没有列举出所有可能的划分，所以k-均值算法不能保证收敛于全局最优解，它常常终止于一个局部最优解。结果可能依赖于初始簇中心的随机选择。实践中，为了得到好的结果，通常以不同的初始簇中心，多次运行k-均值算法。

k-均值算法的时间复杂度是O(nkt)，其中n是对象总数，k是簇数，t是迭代次数。通常k << n 且 t << n。因此，对于处理大型数据集，该算法是相对可伸缩和有效的。