K均值聚类（K-means）和高斯混合聚类（Mixture of Gaussian Models）
Posted siberiawind
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了K均值聚类（K-means）和高斯混合聚类（Mixture of Gaussian Models）相关的知识，希望对你有一定的参考价值。
K-means算法流程
给定条件：
????example set: ((x_1, y_1), (x_2, y_2), dots, (x_N, y_N))
初始化：
????K个簇类的中心点坐标(用C来表示):[(mu_{x1}, mu_{y1}), (mu_{x2}, mu_{y2}),dots, (mu_{xK}, mu_{yK})]????以及一个表示欧氏距离的阈值(epsilon)
K-均值聚类步骤：
- 计算每个样本到每个簇类中心点的距离 (d_{ij} = parallel (x_i, y_i) - (mu_{xj}, mu_{yj}) parallel_2^2)
- 找出距离每个样本最近的集群，将该样本标为该类
- 更新每个簇类的中心点坐标，当中心点更新移动的距离小于阈值(epsilon)或者迭代次数到达最大迭代次数时结束迭代过程
以上是关于K均值聚类（K-means）和高斯混合聚类（Mixture of Gaussian Models）的主要内容，如果未能解决你的问题，请参考以下文章
人工智能 | K-MEANS聚类算法均值偏移聚类算法DBSCAN聚类算法使用高斯混合模型（GMM）的期望最大化（EM）聚类合成聚类