在线 k-means 聚类

Question

k-Means clustering算法有在线版本吗？

在线我的意思是每个数据点都是串行处理的，当它们进入系统时一次一个，因此在实时使用时可以节省计算时间。

我自己写了一篇效果不错的文章，但我真的更希望有一些“标准化”的东西可以参考，因为它会在我的硕士论文中使用。

另外，有人对其他在线聚类算法有什么建议吗？ (lmgtfy 失败 ;))

Answer 1

是的，有。 Google 没能找到它，因为它通常被称为“序列 k 均值”。

您可以在this section of some Princeton CS class notes by Richard Duda 中找到两个顺序 K-means 的伪代码实现。我已经复制了以下两种实现之一：

Make initial guesses for the means m1, m2, ..., mk
Set the counts n1, n2, ..., nk to zero
Until interrupted
    Acquire the next example, x
    If mi is closest to x
        Increment ni
        Replace mi by mi + (1/ni)*( x - mi)
    end_if
end_until

关于它的美妙之处在于，您只需要记住每个集群的平均值和分配给集群的数据点的数量。更新这两个变量后，您可以丢弃数据点。

我不确定在哪里可以找到它的引文。我会开始查看 Duda 的经典文本 Pattern Classification and Scene Analysis 或更新版本的 Pattern Classification。如果没有，您可以尝试 Chris Bishop 的最新著作或 Daphne Koller 和 Nir ​​Friedman 最近的文本。