有四个牧师去郊区布道,一开始牧师们随意选了几个布道点,并且把这几个布道点的情况公告给了郊区所有的村民,于是每个村民到离自己家最近的布道点去听课。
听课之后,大家觉得距离太远了,于是每个牧师统计了一下自己的课上所有的村民的地址,搬到了所有地址的中心地带,并且在海报上更新了自己的布道点的位置。
牧师每一次移动不可能离所有人都更近,有的人发现A牧师移动以后自己还不如去B牧师处听课更近,于是每个村民又去了离自己最近的布道点……
就这样,牧师每个礼拜更新自己的位置,村民根据自己的情况选择布道点,最终稳定了下来。

K-means无法将两个均值相同(聚类中心点相同)的类进行聚类,而高斯混合模型(Gaussian Mixture Model, GMM)就是为了解决这一缺点而提出的。GMM是通过选择成分最大化后验概率来完成聚类的,各数据点的后验概率表示属于各类的可能性,而不是判定它完全属于某个类,所以称为软聚类。其在各类尺寸不同、聚类间有相关关系的时候可能比k-means聚类更合适。

K-means 有一个著名的解释:牧师—村民模型相关推荐

  1. 为了联盟还是为了部落 | K means

    1. 问题 人类有个很有趣的现象,一群人在一起,过一段时间就会自发的形成一个个的小团体.好像我们很擅长寻找和自己气质接近的同类.其实不只是人类,数据也有类似情况,这就是聚类(Clustering)的意 ...

  2. k means聚类算法_一文读懂K-means聚类算法

    1.引言 什么是聚类?我们通常说,机器学习任务可以分为两类,一类是监督学习,一类是无监督学习.监督学习:训练集有明确标签,监督学习就是寻找问题(又称输入.特征.自变量)与标签(又称输出.目标.因变量) ...

  3. OpenCV官方文档 理解k - means聚类

    理解k - means聚类 目标 在这一章中,我们将了解k - means聚类的概念,它是如何工作等. 理论 我们将这个处理是常用的一个例子. t恤尺寸问题 考虑一个公司要发布一个新模型的t恤. 显然 ...

  4. kmeans改进 matlab,基于距离函数的改进k―means 算法

    摘要:聚类算法在自然科学和和社会科学中都有很普遍的应用,而K-means算法是聚类算法中经典的划分方法之一.但如果数据集内相邻的簇之间离散度相差较大,或者是属性分布区间相差较大,则算法的聚类效果十分有 ...

  5. OpenCV的k - means聚类 -对图片进行颜色量化

    OpenCV的k - means聚类 目标 学习使用cv2.kmeans()数据聚类函数OpenCV 理解参数 输入参数 样品:它应该的np.float32数据类型,每个特性应该被放在一个单独的列. ...

  6. 文献记录(part89)--I-k-means-+:An iterative clustering algorithm based on an enhanced k -means

    学习笔记,仅供参考,有错必究 关键词:k均值:解决方案改进:准确的k均值:迭代改进 I-k-means-+:An iterative clustering algorithm based on an ...

  7. 史玉柱:我是一个著名的失败者

    史玉柱:我是一个著名的失败者 http://www.sina.com.cn 2007年12月30日 05:32  东方早报 上海巨人网络科技有限公司董事长史玉柱 早报记者 曹敏洁 相 2007年11月 ...

  8. 苹果M1芯片为何如此快?一个开发者的解释

    苹果M1芯片为何如此快?一个开发者的解释 This Is Fast But The Best Is Yet To Come You may have wondered why the Apple M1 ...

  9. k均值聚类算法(K Means)及其实战案例

    算法说明 K均值聚类算法其实就是根据距离来看属性,近朱者赤近墨者黑.其中K表示要聚类的数量,就是说样本要被划分成几个类别.而均值则是因为需要求得每个类别的中心点,比如一维样本的中心点一般就是求这些样本 ...

最新文章

  1. 大数据+人工智能正以八种方式撼动商界
  2. spring与memcache的集成
  3. 用Pytorch实现三个优秀的自然图像分割框架!(包括FCN、U-Net和Deeplab,可直接训练预测)
  4. ubuntu下为opera26.0安装flash
  5. web前端实战系列[1]——三列布局
  6. Windows之vue-cli安装和vue项目快速搭建
  7. mosek 安装配置python_python安装、配置以及pyinstaller的安装、使用
  8. 深入理解Magento-第九章-修改、扩展、重写Magento代码
  9. mybatis根据表逆向自动化生成代码(自动生成实体类、mapper文件、mapper.xml文件)
  10. [译] 深度学习的未来
  11. haproxy服务启动命令_HaProxy的安装配置和常用命令介绍
  12. 为什么普通红包自己不能领_为什么行驶证和驾驶证不能放在车上?别给自己找麻烦...
  13. 有限差分法与有限单元法的区别
  14. 黑客帝国canvas黑客帝国代码雨特效-A5源码
  15. erp系统用MySQL吗_如何给ERP系统选择合适的数据库?
  16. glusterfs创建分布式卷
  17. js正则表达式将中文标点转为英文标点
  18. 性能测试能力提升-关于性能测试
  19. C语言中?:代表什么意思
  20. Python编写masscan+nmap的主机和端口信息收集工具

热门文章

  1. photoshop---阈值磨皮去斑
  2. 策略验证_买入口诀_五阳上阵股价弹升
  3. 公司的电脑为什么卡——因为缺少工程师文化
  4. BasicEnglish奥格登基本英语850词整理
  5. 无界开元,轻松集团为家庭保障用户提供更好解决方案
  6. 单页应用优化--权限
  7. PHP题库系统源码,PHP在线考试系统源码下载
  8. php查询返回对像,php – 如何从DQL查询返回对象?
  9. 四年级下册用计算机做的题,四下数学用计算器计算练习题
  10. 基于机器学习的恶意URL识别--选自《通信技术》