人工知能

k-means法の初期値の選択に改良を行なった方法である。

クラスタ数を入力する必要があるため、 サンプルの中にいくつのパターンが内在しているか明らかなときには有効

1. サンプルデータ集合からランダムに1つ選び、それをクラスタ中心とする．
※Xをサンプルデータ集合、nはXの要素の個数とする


2. それぞれのデータ点xに関して、その点の最近傍中心との最短距離 D(x)を求める．

fはクラスタ中心との距離を求める写像

3. 次式を満たす実数値 L をランダムに求める



4. 次式を満たす x_j を次のクラスタ中心 c_l に選択する．


5. クラスタ中心を k 個選ぶまで 2から4 を繰り返す．
6. k 個選択した後，k-means 法アルゴリズム 2から4 と同様の処理を
行う．

• K-means++法
• k-means++: The Advantages of Careful Seeding
• todo314 @ ウィキ: k-means++
• マハラノビス距離を用いたk-means法
• ｋ-means法の様々な初期値設定によるクラスタリング結果の実験的比較

• k-means 系クラスタリング可視化ツール
• K-means++ clustering