kmeans聚类结果不稳定咋办

Posted 2023-05-10

参考技术A 用K-means和谱聚类的比较。
聚类算法属于无监督的机器学习算法，即没有类别标签y，需要根据数据特征将相似的数据分为一组。
K-means聚类算法即随机选取k个点作为聚类中心，计算其他点与中心点的距离，选择距离最近的中心并归类，归类完成后计算每类的新中心点。
重新计算每个点与中心点的聚类并选择距离最近的归类，重复此过程，直到中心点不再变化。

有关kmeans训练结果不一样的问题（转）

最近一直在实现一篇注释轨迹的文章，里面要用到kmeans聚类方法，先在网上随便找了一个kmeans程序进行聚类，结果发现时间太长，最后问了作者，作者采用的是vlfeat的系列程序，里面的kmens++程序速度较一般的来说比较快，网址如下：

  http://www.vlfeat.org/index.html

      实验中发现，如果聚类的特征都是从一个图片上得来，或者说都是一类相像的图片，每次的聚类结果是相同的，但是如果说聚类的图片来自两类图片的话，，每次聚类的结果差异就比较大了。这是因为kmeans本身存在的缺陷：初始化的点每次都是随机的，那么该如何解决这个问题呢？

问了几个师兄，然后再查了一些资料，并没有什么好的解决办法，只能在反复训练中找到最好的聚类结果，然后保存下来，后面都用这个结果，这样也不是没有道理，因为，这本来就是训练集需要的数据，在实际或者实验中，训练集本身就是提前知道的，在训练集不变的情况下就可以使用这种方法。
————————————————
版权声明：本文为CSDN博主「Tavia_YingWa」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/sinat_31407371/article/details/53837328