应选择哪种算法来完成此任务

Question

您好  我是Cluster的新手，我不知道哪种算法适合我的任务。让我来描述我的任务：

1. 首先，给出一组点及它们之间的距离
2. 根据距离将它们聚类成几个聚类。
3. 将添加一些新点，也将给出所有点之间的距离。
4. 重复2

例如，首先我们有以下矩阵

   | p1 | p2 | p3 |  
---|----|----|----|  
p1 |    |    |    |  
p2 | d1 |    |    |  
p3 | d2 | d3 |    |  

在聚类之后，我们添加一个新点，并且还给出了距离：

   | p1 | p2 | p3 | p4 | 
---|----|----|----|----|  
p1 |    |    |    |    |  
p2 | d1 |    |    |    |  
p3 | d2 | d3 |    |    |  
p4 | d4 | d5 | d6 |    |  

这里的问题是速度，我希望群集是增量群集，即后面的群集可以利用以前的结果。因为我们会经常添加点（如果我们找到一个点），并且每次我们重新聚类点。即使集群本身具有O（n），集群的总时间也将为O（n ^ 2）。

有什么建议吗？

由于

Answer 1

一种选择是修复群集数量（例如，您有K群集）。每当添加新点时，都会将其添加到其重心（群集中点的坐标平均值）最接近您添加的点的群集中。如果您的空间中的点数变为2的幂（1,2,4,8,16,32 ......）时完全重新集群，则重新集群的摊销成本仍为O（n）。