優化聚類一維數據？

有沒有人有文章解釋Ckmeans.1d.dp算法的工作原理？優化聚類一維數據？

或者：在一維中進行k-means聚類的最優方法是什麼？

2011-10-23 Laciel

谷歌變成了技術。報告Knops，Maintz，Pluim＆Viergever（2004），使用烏得勒支大學動態編程的最優一維k-均值聚類，不能在線獲得。不幸的是，這個模塊的C++代碼是非常不可讀的。對一個有趣的問題+1。 –

我覺得這是你要找的文件：

2012-07-09 15:22:31

是否有任何爲王和宋算法編寫的Python包裝？他們在論文中指出，他們的R「實現」只是C++實現的一個包裝。 –

距離貝爾曼非常古老的技術：聚類分析和動態編程 http://www.sciencedirect.com/science/article/pii/0025556473900072

www.informationgeometry.org

2014-02-23 07:18:03 user108429

嗨，歡迎來到Stack Overflow。請注意，雖然您的答案仍然存在，但鏈接及其內容可能會更改或刪除。請修改您的代碼以包含該鏈接的相關信息。 – Noich

單因素K均值聚類可以爲O解決（KN）時間的說明（在已經排序的輸入上）基於Monge矩陣的理論結果，但是該方法最不可能是由於數值不穩定性以及編碼挑戰。

更好的選擇是現在在Ckmeans.1d.dp版本3.4.6中實現的O（knlgn）方法。這種實現與啓發式k-means一樣快，但提供了保證的最優性，比啓發式k-means更好幾個數量級，特別是對於大k。

Richard Bellman（1973）的通用動態規劃解決方案沒有涉及k-means問題的具體細節，隱含的運行時間爲O（kn^3）。

2016-06-03 01:03:57 user6417312

回答