原型聚类（K-means聚类、LVQ、高斯混合聚类）

转自：周志华《机器学习》第9章

转自：http://blog.csdn.net/sunanger_wang/article/details/8852746

1、K-means

有样本D（x1,x2,...,xn），先随机找K个点作为类别中心，（1）计算每个样本距K个点的距离，将样本分类到距离最近的点，（2）根据每类的样本更新类别中心

2、LVQ，学习向量量化

前提：假设所有样本是有类别标记的，每个样本Xi，有类别标记Yi

找K个原型向量，（1）随机选一个样本（xi,yi），计算和K个向量的距离，找最近的那个Ki   （2）如果Ki=yi ,更新Ki靠近Xi, 否则更新Ki远离xi

3、高斯混合聚类

看做K个高斯模型产生样本，使用概率函数