K-MEANS聚类

聚类术语无监督的学习，K-means算法是基于距离的聚类算法，采用距离作为相似性的评价指标，如果两个文档之间的距离越近那么认为两个文档的聚类越近。

算法：

1）初始化质心：从N个实验文本中随机选取K个文档作为质心

2）计算距离：对剩余的每个文本计算其到每个质心的距离，并把它归并到最近的质心的类

3）更新质心：重新计算已经得到的各个类的质心

4）迭代条件：迭代2～3步直至新的质心与原质心相等或小于指定阈值，算法结束

 但是该聚类方法存在以下问题：

1、初始类质心的选择对聚类结果会有很大的影响。

 

2、该方法需要不断的迭代计算，需要很大的运算开销。