自组织映射Vs k-means

Question

有人知道自组织映射(SOM)与k-means相比有多好吗？我认为通常在颜色空间中，例如RGB，自组织映射是一种更好的颜色聚类方法，因为视觉上不同的颜色(http://www.ai-junkie.com/ann/som/som1.html)在颜色空间中存在重叠。是否存在k-means优于SOM的情况？

谢谢!

Answer 1

K-means是SOM的一种特化，我相信。我相信，您可以为它构建理想的案例。我认为计算速度是它的主要优势--当你逐步改进AI算法时，有时较差算法的更多迭代会比较好、较慢算法的较少迭代提供更好的性能。

这完全取决于数据。在你运行它之前你永远不会知道。

Answer 2

K均值是自组织映射(SOM)的一个子集。K-means严格地说是n-空间邻居的平均n维向量。SOM是相似的，但其思想是使候选向量更接近匹配向量，并通过扰动它们来增加与周围向量的差异；扰动随着距离而减小(内核宽度)；这就是名称的自组织部分的由来。

Answer 3

自组织映射创建二维输出。k-means是多维的。SOMs在离散化表示(网格)中运行。SOMs使用更局部的规则(邻域函数)。k-means作为一种聚类算法得到了更广泛的应用。