K均值聚类和矢量量化之间的区别？

Question

K-Means聚类和矢量量化之间有什么区别？ 它们似乎非常相似。

我正在处理隐马尔可夫模型，我需要从特征向量中提取符号。

为了提取符号，我可以进行矢量量化还是Kmeans聚类？

Answer 1

我理解它的方式，K-means是一种矢量量化。

Answer 2

K-means算法是着名的“Lloyd I”量化算法对经验分布的特殊化。 （参见劳埃德）

证明Lloyd I算法产生具有递减二次失真的量化器序列。然而，除了一维对数 - 凹分布的特殊情况外，它并不总是收敛于二次最优量化器。 （量化误差有局部最小值，特别是在处理经验分布时，即对于聚类问题。）

将（总是）收敛到最佳量化器的方法是所谓的CLVQ算法，其也推广到更一般的L ^ p量化的问题。它是一种随机梯度法。 （参见Pagès）

还有一些基于遗传算法的方法。 （参见Hamida等人），和/或用于更快收敛的一维案例的经典优化程序（Pagès，Printems）。