改進的K均值聚類（Ward准則）速度改進

Question

我將k-means聚類與隨機初始化一起用於聚類識別。 算法適用於良好的數據。 但是，如果我處理的數據雜亂無章，那么我的k均值算法就失去了它的魯棒性，並為在同一數據集上的每次運行提供了不同的解決方案。

因此，我決定改進我的k均值聚類以最小化Ward准則：

1. 做標准的k均值聚類
2. 遍歷點和所有聚類，找到點P以及聚類A和B，就好像我將點P從聚類A移到聚類B一樣，該聚類的病房標准將最小
3. 如果找到該點，請將其從A移到B，更新集群中心並繼續執行2

我在這里用c ++編寫了該算法。 但是，問題是，這種方法非常慢，我正在處理每個集群大約2萬個點的集群。

您可以向我建議一個更好的解決方案，還是可以幫助我加快該算法的速度？

Answer 1

我終於找到了解決方案。 我已經意識到：

• 我對沃德的態度真的沒用
• PCA對我不可用，因為我僅使用1D群集。
• 正如Micka所說，在實現k-means ++之后，k-means的可靠性得到了提高。 但是，偶爾它仍然會給出不好的解決方案。 （根據實驗，在相同數據的5個群集中有1個是錯誤的）

絕對幫助我的是平均歸一化 。 我做了5次k均值，計算了每次迭代的聚類中心平均值。 最后以計算出的均值作為初始解來運行k均值。