有谁知道自组织地图（SOM）与 k-means 相比有多好？我相信通常在颜色空间中，例如 RGB，SOM 是将颜色聚集在一起的更好方法，因为视觉上不同颜色之间的颜色空间存在重叠（http://www.ai-junkie.com/ann/som/ som1.html )。是否存在 k-means 优于 SOM 的情况？
谢谢！
问问题
6398 次
3 回答
4
我相信 K-means 是 SOM 的一种专业化。我敢肯定，您可以为它构建理想的案例。我认为计算速度是它的主要优势——当你逐步改进 AI 算法时，有时更差的算法的更多迭代比更好、更慢的算法的更少迭代提供更好的性能。
这一切都取决于数据。你永远不会知道，直到你运行它。
于 2011-07-06T17:03:02.630 回答
0
K-means 是自组织图 (SOM) 的一个子集。K-means 严格来说是 n 空间邻居的平均 n 维向量。SOM 类似，但想法是使候选向量更接近匹配向量，并通过扰动它们来增加与周围向量的差异；扰动随距离减小（内核宽度）；这就是名称的自组织部分的来源。
于 2015-08-24T04:40:57.420 回答
-1
自组织地图创建二维输出。k-means 是多维的。SOM 以离散表示（网格）运行。SOM 使用更本地化的规则（邻域函数）。k-means 更广泛地用作聚类算法。
于 2011-10-09T22:36:48.680 回答