KMEANS 1.7.1_KMeans 1.7.1

有效算法k-means聚类

KMEANS包提供了一组C + +程序进行k-means聚类相结合的本地搜索和英国劳氏算法（也称为k-means算法）的基础上。

由于任何一组k个中心?，Z中的每一个中心z，设V（z）的表示它的附近，即，其中z是最近邻的神器出山:www.shenqi73.com数据点集合。劳氏算法的每个阶段，移动每间中心的点z的V（z）和然后更新通过重新计算的V（z）的每个点的距离其最近的中心的质心。重复这些步骤，直到收敛为止。

然而，劳合社的算法可以停留在局部最小的解决方案，远远的最佳。出于这个原因，它是常见的考虑基于局部搜索的启发式，其中中心的换入和换出的现有的解决方案（通常在随机的）。这样的转换被接受，如果是平均失真降低，否则将被忽略。另外，也可以结合这两种方法（劳氏算法和局部搜索），生产一种类型的混合解决方案。

这个程序提供了许多不同的算法k-means聚类基于这些想法和组合。

的英国劳氏
反复适用于劳合社的算法与随机抽取的出发点。
交换：
一个本地搜索的启发，它通过现有的中心和一组候选中心之间进行掉期。
的 EZ_Hybrid：
一个简单的混合算法，它的一个交换，然后由一定数量的劳合社的迭代。
的混合型：
一个更复杂的混合劳合社和交换，执行一些掉期一定数量的劳合社的算法的迭代。为了避免陷入局部最优，类似模拟退火方法也包括在内。