幾種主要的原型聚類----k均值(k-means)、學習向量量化(LVQ)、高斯混合聚類(Mixture-of-Gaussian)

引入 原型聚類也稱爲基於原型（樣本空間中具有代表性的點）的聚類，通常算法先對原型進行初始化，然後對原型進行迭代更新求解，採用不同的原型表示、不同的求解方式，將產生不同的算法。 K均值（K-means） 算法針對聚類所得簇劃分最小化平方誤差E（具體公式見P202），式子在一定程度上刻畫了簇內樣本圍繞簇均值向量的緊密程度，E越小則簇內樣本相似度越高。k均值類算法僅在凸形簇（類似於橢圓形）結構上效果較好

>>阅读原文<<