K意味着聚类算法在3 +簇中难度

Question

目前，我正在使用Java自动生成数据集群，然后尝试使用K Means集群来查找其中心。我使用的K Means算法涉及通过将每个簇种子位置设置为数据点的位置来创建k簇种子位置，将每个数据点分配到最近的簇，根据所有x和y的平均值重新调整簇位置分配给该群集的数据点的坐标，然后继续此循环，直到它们在群集位置中没有移动。

该算法非常有效地使用小于或等于3个聚类，如下面的散点图所示，其中橙色圆圈表示聚类位置，蓝色圆圈表示数据点。

但是，当我添加3个以上的数据点时，由于遇到不同的场景，算法会崩溃。此问题如下图所示：

虽然这似乎是代码中的一个缺陷，但如果你考虑结果的合理性，它肯定是上述算法的正确执行，因为不同集群的位置能够实现这些结果这是一个问题的结果。 K Means算法的局限性，还是有办法绕过这个问题？