如何使用 kmeans 生成的聚类中心对新数据进行聚类

【问题标题】：How to cluster new data using cluster centers generated by kmeans如何使用 kmeans 生成的聚类中心对新数据进行聚类
【发布时间】：2016-09-08 06:34:43
【问题描述】：

我在 Matlab 中使用 kmeans 得到了一些聚类中心。

现在有一些新的数据点，我不想用for循环比较每个数据点和聚类中心的距离，因为太慢了。

那我该怎么办。

【问题讨论】：

标签： matlab vectorization

【解决方案1】：

尝试使用 matlab knnsearch(X,Y)，其中 X 是表示 kmeans 中心的矩阵，Y 是新数据点的集合。

看http://www.mathworks.com/help/stats/knnsearch.html

【讨论】：

【解决方案2】：

我会做这样的事情。如果您的新点存储在 coord 中，其中行作为点，列作为坐标，并且您的集群均值类似地存储在 means 中，并且您想知道每个点属于哪个集群最接近 (in )。那么：

% compute distance
d2 = repmat(sum(coord.^2,2),1,size(means,1)) + repmat(sum(means.^2,2)',size(coord,1),1) - 2*coord*means';
% Assign to nearest cluster
[~, assigns] = min(d2,[],2);

【讨论】：

或者使用 bsxfun 进行更多的教学：bsxfun(@plus,sum(coord.^2,2),sum(means.^2,2)') - 2*coord*means'跨度>