kmeans GMP
时间: 2023-08-20 17:07:06 浏览: 43
Kmeans GMP是一个大规模编码本生成算法,其中包含了分层k-means(HKM)和近似k-means(AKM)两个里程碑式的聚类算法。分层k-means(HKM)是在2006年提出的,它使用标准的k-means方法进行特征训练,通过递归地将每个簇划分为更多的群集来实现分层聚类。在每次递归时,每个点都要被归类为某个簇中的一个,聚类树的深度由期望的聚类簇数目决定。HKM的计算复杂度为O(nlogn),其中n是训练样本数目。相比于扁平k-means(flat k-means)的计算复杂度,当处理大规模编码本时,HKM的复杂度更低。
另一个里程碑式的大规模编码本生成算法是近似k-means(AKM)。AKM利用随机K-D树对K聚类中心进行索引,从而使得在分配步骤中能够高效地使用ANN搜索。AKM的设计目标是在将数据分配到大量集群时提供高效的近似方法。
综上所述,kmeans GMP是一个包含了分层k-means(HKM)和近似k-means(AKM)的大规模编码本生成算法,它们分别通过分层聚类和使用ANN搜索来提供高效的聚类方法。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [图像检索(二)--综述(2016年之前)](https://blog.csdn.net/App_12062011/article/details/88265987)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *3* [【数据分析报告】携程客户分析与流失预测](https://blog.csdn.net/changreal/article/details/119617016)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]