改进的K均值聚类（Ward准则）速度提高

Question

我使用k-means聚类和随机初始化来进行聚类识别。算法适用于漂亮的数据。但是，如果我使用具有许多噪声的数据，那么我的k-means算法会失去其稳健性，并为同一数据集上的每次运行提供不同的解决方案。

所以我决定改进我的k-means聚类以最小化Ward标准：

1. 执行标准k-means聚类
2. 通过点和所有聚类并找到点P和聚类A和B，就好像我将点P从聚类A移动到聚类B，然后该聚类的区域标准将是最小的
3. 如果找到此点，请将其从A移至B，更新群集中心并继续2

我用c ++ here编写了这个算法。然而，问题是，这种方法非常缓慢，我正在处理每个大约20 000点的集群。

你能给我一个更好的解决方案吗，或者你能帮我加速这个算法吗？

Answer 1

我终于找到了解决方案。我意识到了：

• 我对Ward的态度真的没用了
• PCA对我来说无法使用，因为我只使用1D群集。
• 在我实施k-means ++之后，正如Micka所说，k-means的可靠性得到了提高。然而，偶尔它仍然提供不好的解决方案。 （实验上相同数据的5个聚类中的1个是坏的）

对我有帮助的是Mean normalization。我做了5x k-means，计算了每次迭代的聚类中心的平均值。最后用计算方法运行k-means作为初始解。