模糊C均值聚类与高斯混合模型都是对K-means算法的延伸,且两者都属于软划分,即每个样例以一定的概率(比例)属于每一类,那这两者究竟有何区别呢?或者说各自的优势在哪里?
模糊C均值聚类与高斯混合模型都是对K-means算法的延伸,且两者都属于软划分,即每个样例以一定的概率(比例)属于每一类,那这两者究竟有何区别呢?或者说各自的优势在哪里?
解决软划分的主要方法就是Fuzzy C-means 与 Gaussian Mixture Model 他们共同的特点就是可以动态调整K的个数,不必人工指定,解决k均值容易收敛到局部最优,效果受初始值影响很大,易受噪声点影响的问题,区别主要是优化函数,思想和算法不一样