顺序/在线kmeans聚类，它是如何工作的？现有代码？

Posted 2023-03-12

【中文标题】顺序/在线kmeans聚类，它是如何工作的？现有代码？

【英文标题】：sequential/online kmeans clustering, how does it work? Existing codes?

【发布时间】：2012-08-09 23:44:59

【问题描述】：

我对在线 kmeans 聚类有点困惑。我知道它允许我一次只使用一个数据进行聚类。但是，这一切都仅限于一个会话吗？假设我有一堆数据通过这种方法进行聚类，我得到了聚类的数据结果，我以后可以向集群中添加更多数据吗？

我也一直在寻找此代码的实现，但无济于事。有谁知道吗？

更新： 澄清更多。以下是我的代码现在的工作方式：

图片取自实时视频源，保存足够多的图片后，获取 sift 特征的 kmeans。 重复步骤1，新一批live feed图片，再次获取kmeans。将 kmeans 向量与之前的 kmeans 相结合，例如：[A B]

你可以看到这很糟糕，因为我很快得到了太多的簇，而且每批簇肯定会与另一批重叠。

我想要什么：

图片取自实时视频源，保存图片后，获取 kmeans 重复第 1 步，再次获取 kmeans，这会更新并将新集群添加到之前的集群。

除非我没有正确理解它们，否则我所看到的任何东西都无法适应。

【问题讨论】：

@mschonaker 最好是 matlab，但我可以使用 C++

【参考方案1】：

如果您查看原始 (!) 出版物，MacQueen 提出的方法（k-means 名称的由来）实际上是一种在线算法。我不确定 MacQueen 是否对数据进行了多次传递以改善结果。我相信他使用了单次传递，并且对象永远不会被重新分配到不同的集群。如果是这样，那已经是在线算法了！

平均值通常计算为sum / count。从数字的角度来看，这不是很明智。例如。在经典的 Knuth 书中，您可以找到一种增量更新方式的方法。***也有。

一旦您真正想要重新分配较早的点，事情就会变得稍微复杂一些。但通常在流式上下文中，您不知道前面的要点，因此无论如何您都不能这样做。

【讨论】：

那么有什么传统的解决方案吗？这是我目前发现的唯一东西：icml.cc/2012/papers/291.pdf

“常规解决方案”是什么意思？ MacQueen 1967 还不够传统吗？

我不认为我很清楚自己想要什么。也许我完全错误地解决了这个问题。请看我更新的帖子

尝试仅使用新实例更新现有方法。这很简单。或者看看 MacQueen，它实际上“一次处理一个实例”。这显然也可以在流上完成。