最近一直在實現一篇注釋軌跡的文章，里面要用到kmeans聚類方法，先在網上隨便找了一個kmeans程序進行聚類，結果發現時間太長，最后問了作者，作者采用的是vlfeat的系列程序，里面的kmens++程序速度較一般的來說比較快，網址如下：
http://www.vlfeat.org/index.html
實驗中發現，如果聚類的特征都是從一個圖片上得來，或者說都是一類相像的圖片，每次的聚類結果是相同的，但是如果說聚類的圖片來自兩類圖片的話，，每次聚類的結果差異就比較大了。這是因為kmeans本身存在的缺陷：初始化的點每次都是隨機的，那么該如何解決這個問題呢？
問了幾個師兄，然后再查了一些資料，並沒有什么好的解決辦法，只能在反復訓練中找到最好的聚類結果，然后保存下來，后面都用這個結果，這樣也不是沒有道理，因為，這本來就是訓練集需要的數據，在實際或者實驗中，訓練集本身就是提前知道的，在訓練集不變的情況下就可以使用這種方法。
————————————————
版權聲明：本文為CSDN博主「Tavia_YingWa」的原創文章，遵循CC 4.0 BY-SA版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/sinat_31407371/article/details/53837328