k-means - 自己組織化マップと k-means

Question

自己組織化マップ (SOM) が k-means と比較してどれだけ優れているか知っている人はいますか? 私は通常、RGB などの色空間を信じていますが、視覚的に異なる色の間で色空間に重複があるため、SOM は色をクラスター化するためのより良い方法です ( http://www.ai-junkie.com/ann/som/ som1.html )。k-means が SOM より優れている場合はありますか?

ありがとう！

Answer 1

K-meansはSOMの専門分野だと思います。あなたはそれのための理想的なケースを構築することができると私は確信しています。計算速度がその主な利点だと思います。AIアルゴリズムを段階的に改善する場合、より悪いアルゴリズムの反復回数が多いほど、より低速なアルゴリズムの反復回数が少ない場合よりもパフォーマンスが向上することがあります。

それはすべてデータに依存します。あなたがそれを実行するまであなたは決して知りません。

Answer 2

K-means は自己組織化マップ (SOM) のサブセットです。K-means は、厳密には n 空間近傍の平均 n 次元ベクトルです。SOM は似ていますが、アイデアは、候補ベクトルを一致するベクトルに近づけ、周囲のベクトルを摂動することで差を大きくすることです。摂動は距離とともに減少します (カーネル幅)。それが、名前の自己組織化部分の由来です。

Answer 3

自己組織化マップは、2 次元の出力を作成します。k-means は多次元です。SOM は離散化された表現 (グリッド) で動作します。SOM は、よりローカルなルール (近傍関数) を使用します。k-means は、クラスタリング アルゴリズムとしてより広く使用されています。