K-Means备选方案和性能

Question

我一直在读关于相似性度量和图像特征提取的文章；大多数论文都提到k-means是一种很好的统一聚类技术，我的问题是，对于特定的集合，有没有比k-means聚类更好的选择？

Answer 1

你可能想看看MeanShift集群，它比K-Means有几个优势：

1. 不需要预设数量的clusters
2. K-Means聚类收敛到n维Voronoi网格，MeanShift允许其他聚类形状

MeanShift在OpenCV中以CAMShift的形式实现，这是一种用于跟踪视频序列中的对象的MeanShift改编。

如果你需要更多信息，你可以阅读这篇关于MeanShift和计算机视觉的优秀论文：Mean shift: A robust approach toward feature space analysis

Answer 2

简单的第一步，你可以把k-means推广到EM。但是，可用的集群方法有很多，您需要的集群类型取决于您的数据(功能)和应用程序。在某些情况下，即使您使用的距离也很重要，因此如果它不在您希望的空间中，则可能必须进行某种距离转换。