根据Mahout in Action
与k-means类似，模糊k-means在数据集上循环，但不是将向量分配给最近的质心，而是计算点与每个聚类的关联度。
如果没有将矢量分配到最近的质心，那么在下一次迭代中如何计算质心？
答案 0 :(得分：3)
我只是用谷歌搜索模糊k-means，它听起来基本上像EM聚类，这是一个非常广为人知和有用的概念。
这里的事情是没有硬分配。
当一个点选择它应该属于哪个质心时，它会出现属于每个质心的概率（通过考虑它与每个质心的距离并通过它们的累积和来规范这些数字）
当质心决定重新定位的位置时，它没有一个明确定义的属于它的点组，它的平均值可以简单地用于其新位置。相反，它所做的是基于它们属于它的概率来对点进行加权平均。因此，如果只有3个点X，Y和Z以及X和Y属于这个聚类，概率为1.0，而Z属于它的概率为0.5，那么质心的新位置将是
（1.0 / 2.5）* X +（1.0 / 2.5）* Y +（0.5 / 2.5）* Z
所以这就是在每次迭代中计算质心的方式。