聚类方法

聚类方法

由于毕业设计论文需要，整理一下数据聚类的方法用于计算量化算子参数。

Kmeans

参考文献： 【机器学习】K-means（非常详细） - 知乎 (zhihu.com)

算法描述

• 算法功能：按欧式距离聚类，使数据集中每个数据点离各自聚类中心的距离总和最小

• 算法输入：

  • 大小为$N$的数据集

  • 聚类中心个数$k$
  • $k$个初始化的聚类中心

• 算法输出：

  • $k$个聚类中心的坐标
  • 数据集中每个样本所属的类别

• 算法步骤

  1. 选择$k$个样本作为初始聚类中心 $\alpha = \alpha_1, \alpha_2, … \alpha_k$
  2. 对于每个数据集中的样本$x_i$，计算它到$k$个聚类中心的距离并分到距离最小的聚类中心的类中

  3. 针对每个类$a_j$，重新计算聚类中心$a_j = \frac{1}{

     c_i

     } \sum_{x\in c_i}x$

  4. 重复2 3步，直至中止条件

  第三步选择的聚类中心可以不是数据集中的点

评价

• 非常好理解
• 听说效果不错
• 需要手动选择$k$值与初始中心

GMM聚类

参考文献：聚类算法——高斯混合模型（GMM） - 知乎 (zhihu.com)

• 统计