自组织地图与k-means

Question

有没有人知道自组织地图（SOM）与k-means相比有多好？我相信通常在颜色空间中，例如RGB，SOM是将颜色聚集在一起的更好方法，因为在视觉上不同颜色（http://www.ai-junkie.com/ann/som/som1.html）之间的颜色空间中存在重叠。是否存在k-means优于SOM的情况？

谢谢！

Answer 1

K-means是SOM的专业化，我相信。你可以构建理想的案例，我敢肯定。我认为计算速度是它的主要优势 - 当你逐步改进AI算法时，有时候更糟糕的算法的迭代会提供更好的性能，而不是更少的迭代算法。

这完全取决于数据。直到你运行它才会知道。

Answer 2

K-means是自组织映射（SOM）的子集。 K均值严格地是n空间邻居的平均n维向量。 SOM类似，但其目的是使候选向量更接近匹配向量，并通过扰动它们来增加与周围向量的差异;扰动随距离减小（核心宽度）;这就是名称的自组织部分来自的地方。

Answer 3

自组织地图创建二维输出。 k-means是多维的。 SOM以离散化的表示（网格）运行。 SOM使用更本地的规则（邻域功能）。 k-means被更广泛地用作聚类算法。