K-means聚类和向量量化有什么区别？
它们似乎非常相似。
我正在处理隐马尔可夫模型，我需要从特征向量中提取符号。
为了提取符号，我是做矢量量化还是 k-means 聚类？
问问题
7360 次
2 回答
16
我理解它的方式，K-means 是一种矢量量化。
于 2012-01-26T02:53:54.367 回答
5
K-means 算法是著名的“Lloyd I”量化算法对经验分布情况的专门化。（参见劳埃德）
Lloyd I 算法被证明可以产生一系列具有递减二次失真的量化器。然而，除了一维对数凹分布的特殊情况外，它并不总是收敛到二次最优量化器。（量化误差有局部最小值，特别是在处理经验分布时，即聚类问题。）
一种（总是）向最优量化器收敛的方法是所谓的 CLVQ 算法，它也推广到更一般的 L^p 量化问题。它是一种随机梯度法。（参见 Pages）
还有一些基于遗传算法的方法。（参见 Hamida 等人），和/或用于收敛更快的一维情况的经典优化程序（Pagès，Printems）。
于 2012-02-01T16:40:39.427 回答