K-Means替代品和性能

Question

我一直在阅读相似性度量和图像特征提取;大多数论文都将k-means称为一种良好的统一聚类技术，我的问题是，对于特定集合，k-means聚类是否有更好的选择？

Answer 1

你可能想看看MeanShift聚类，它比K-Means有几个优点：

  
1. 不需要预设数量的群集
  
2. K-Means聚类会聚到n维voronoi网格，MeanShift允许其他聚类形状

MeanShift在OpenCV中以CAMShift的形式实现，这是一种用于跟踪视频序列中对象的MeanShift自适应。

如果您需要更多信息，可以阅读有关MeanShift和计算机视觉的优秀论文： Mean shift: A robust approach toward feature space analysis

Answer 2

简单的第一步，您可以将k-means概括为EM。但是有很多可用的聚类方法，您需要的聚类类型取决于您的数据（功能）和应用程序。在某些情况下，即使您使用的距离很重要，因此可能需要进行某种距离变换，如果它不在您想要的那种空间中。