平分k-means聚类算法解释

Question

我被要求编写一个平分k-means算法，但我不明白这个算法。 我知道k-means算法。

你能解释的算法，而不是在academic language

感谢。

Answer 1

这个想法是迭代地将你的云点分成两部分。换句话说，您将构建一个随机二叉树，其中每个分裂（具有两个子项的节点）对应于将云中的点分割为2.

您从点云开始。

• 计算其矩心（重心）瓦特

• 选择云

• 的点中随机CL的点相比瓦特时构建点Cr作为CL的对称点（分段CL-> w是相同W-> CR）

• 独立的两个云点，那些最接近为Cr属于subcloud R，和那些最接近CL属于subcloud L

• 重申，subclouds R和L

注：

可以丢弃随机点一旦你使用它们。但是，保持所有子模块的质心。

当你的子云包含正好一个点时停止。

如果您想要k个群集，只需取k个质心，使其包含初始云的所有点。如果你愿意，你可以做更多更复杂的事情（最小化云的变化等）。假设你想要4个集群（为了方便起见，两个幂）然后你只需要将你的云切成两半，然后切割每个集群在两个subclouds。如果你想要8个簇，那么再次将这些子云分成两份。再次为16个集群。

如果你想K个K的集群不是2的幂（比方说24），那么看看最接近的二个幂。现在是16个。你还缺少8个集群。每个“level-16-cluster”是“level-16-subcloud”的质心。你要做的是取8个“16级集群”（例如随机），并将它们分别替换为两个“子级”“32级集群”。 （这两个孩子的“32级集群”对应于两个“级别-32-subcloud”，加起来就是父级“level-16-subcloud”）