Approximate k-means++ in sublinear time （簡稱K-MC2，2016）

K-Means聚類算法的目標是找到一個由k個聚類中心構成的集合，使得所有樣本點到距其最近的聚類中心之間的距離之和最小。爲避免引起歧義，這裏解釋一下，目標函數中距離的個數等於樣本點的個數，並且每個距離都是該樣本點到距其最近的聚類中心的距離。 K-Means聚類算法對初始聚類中心非常敏感，比較經典的解決方案是通過k-means++來獲得初始的聚類中心集合。k-means++初始化聚類中心採用了一種自適

>>阅读原文<<