不僅站在巨人的肩膀上，還活在巨人體內？

思維

就像一口甜甜的冰淇淋對於酷夏的人；

就像一陣微涼的春雨對於乾燥的大地，

那是沁人心脾的味道！

在一次Domino小組例會上提到了「發散思維」，陳軍老師就半開玩笑的說：「微觀世界裡電子圍繞著原子旋轉，紐帶是正負電荷吸引力；宏觀世界裡，月球圍繞著地球轉，地球圍繞著太陽轉，太陽系也許圍繞著銀河系一點轉，銀河系也可能圍繞宇宙一點轉，紐帶是萬有引力。那麼，宇宙可不可能是另一個巨人的原子呢？我們對於那個巨人可能就是我們認知的夸克或者是更小的單位級，就好比《果殼中的宇宙》那種思維模式。」這個猜想的驗證還需要宇宙學家去做，但是陳軍老師這種由一個已知小模型（電子繞原子）分析匯總到地球--太陽、太陽--銀河體系的推廣模型，然後在做以合理推斷（我們的宇宙是巨人的原子），這就是有導師學習的聚類K--means演算法思想。

K-means演算法是硬聚類演算法，是典型的基於原型（有導師）的目標函數聚類方法，它是數據點到原型的某種距離（兩種數據模糊關係）作為優化的目標函數，利用函數求極值的方法得到迭代運算的調整規則。K-means演算法以歐式距離作為相似度測度，它是求對應某一初始聚類中心向量V最優分類，使得評價指標J最小。說的更直觀一些（自己理解，有不足之處萬望指正），聚類演算法的K點是最簡要的，但不是最重要的，K點應是涵蓋最廣，概念在一定範圍內最為寬泛的。對於電子--原子、地球--太陽這種模型就可以聚類為點繞點旋轉問題，然後在「類」中選取我們需要的模型也好，數據也罷，這在數據模糊處理，數據擬合融溶，灰度預測等方面有著很重要的作用。

Domino實驗室正在努力探索聚類有/無導師演算法更加廣闊的應用，也希望加入您的思想，期待您的關注與加入！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！