一个确定初始聚类中心的更好方法

初始聚类中心的选择对k-means算法的效果有非常显著的影响，不合适的初始聚类中心可能导致： 1，算法收敛速度降低 2，更大的可能使聚类结果收敛到一个较差的局部最小值 3，某些簇最后是个空集（样本量较小时这种情况经常出现） 经典的k-means算法的初始聚类中心是随机选取的，这种方式有两种不足： 1，某些初始聚类中心可能离群体太远，如下图 2，有的聚类中心可能相互之间隔得太近 为了克服这些缺点，比

>>阅读原文<<