我关于计算机视觉的讲义提到了 如果我们知道簇的标准偏差，则可以提高k均值聚类算法的性能。怎么会这样？
我的想法是，我们可以使用标准差来首先通过基于直方图的分割得出更好的初始估计。你怎么看？谢谢你的帮助！
我关于计算机视觉的讲义提到了 如果我们知道簇的标准偏差，则可以提高k均值聚类算法的性能。怎么会这样？
我的想法是，我们可以使用标准差来首先通过基于直方图的分割得出更好的初始估计。你怎么看？谢谢你的帮助！
你的讲师可能有 2002年Veenman等人的论文 心里。基本思想是您设置每个群集中允许的最大差异。您从与数据点一样多的集群开始，然后逐步“发展”集群
（这种演变充当全局优化程序，并防止初始分配集群的不良后果意味着你有k-means）
总而言之，如果您知道方差，您就知道了群集的多样性，因此更容易实现。检测异常值（通常应将其置于不同的簇中）。
你的讲师可能有 2002年Veenman等人的论文 心里。基本思想是您设置每个群集中允许的最大差异。您从与数据点一样多的集群开始，然后逐步“发展”集群
（这种演变充当全局优化程序，并防止初始分配集群的不良后果意味着你有k-means）
总而言之，如果您知道方差，您就知道了群集的多样性，因此更容易实现。检测异常值（通常应将其置于不同的簇中）。