K-Means альтернативы и производительность

Question

Я читал о мерах сходства и извлечения признаков изображения;В большинстве статей k-means рассматривается как хорошая методика равномерной кластеризации, и у меня возникает вопрос, есть ли альтернатива кластеризации k-средних, которая работает лучше для определенного набора?

Answer 1

Возможно, вы захотите взглянуть на кластеризацию MeanShift, которая имеет несколько преимуществ перед K-Means:

1. Не требует заданного количества кластеров
2. Кластеры K-средних сходятся к n-мерной вороной сетке, MeanShift допускает другие формы кластеров

MeanShift реализован в OpenCV в форме CAMShift, которая представляет собой адаптацию MeanShift для отслеживания объектов в видеопоследовательности.

Если вам нужна дополнительная информация, вы можете прочитать эту превосходную статью о MeanShift и Computer Vision: Среднее смещение: надежный подход к анализу пространств объектов

Answer 2

Простой первый шаг, вы можете обобщить k-средних для EM. Но существует множество доступных методов кластеризации, и тип кластеризации, который вам нужен, зависит от ваших данных (функций) и приложений. В некоторых случаях, даже ваши расстояния, которые вы используете, имеют значение, и поэтому, возможно, придется выполнить какое-то преобразование расстояния, если оно не в том пространстве, в котором вы хотите, чтобы оно было.