改进的K均值聚类（Ward准则）速度改进

Question

我将k-means聚类与随机初始化一起用于聚类识别。 算法适用于良好的数据。 但是，如果我处理的数据杂乱无章，那么我的k均值算法就失去了它的鲁棒性，并为在同一数据集上的每次运行提供了不同的解决方案。

因此，我决定改进我的k均值聚类以最小化Ward准则：

1. 做标准的k均值聚类
2. 遍历点和所有聚类，找到点P以及聚类A和B，就好像我将点P从聚类A移到聚类B一样，该聚类的病房标准将最小
3. 如果找到该点，请将其从A移到B，更新集群中心并继续执行2

我在这里用c ++编写了该算法。 但是，问题是，这种方法非常慢，我正在处理每个集群大约2万个点的集群。

您可以向我建议一个更好的解决方案，还是可以帮助我加快该算法的速度？

Answer 1

我终于找到了解决方案。 我已经意识到：

• 我对沃德的态度真的没用
• PCA对我不可用，因为我仅使用1D群集。
• 正如Micka所说，在实现k-means ++之后，k-means的可靠性得到了提高。 但是，偶尔它仍然会给出不好的解决方案。 （根据实验，在相同数据的5个群集中有1个是错误的）

绝对帮助我的是平均归一化 。 我做了5次k均值，计算了每次迭代的聚类中心平均值。 最后以计算出的均值作为初始解来运行k均值。