Algorithm 模糊k-均值-在没有关联的情况下，如何在下一次迭代中计算质心？

根据行动中的

Mahout

与k-means类似，模糊k-means在数据集上循环，但不是将向量指定给最近的质心，而是计算点与每个簇的关联度

---

如果不将向量指定给最近的质心，那么在下一次迭代中如何计算质心？

我只是在谷歌上搜索了模糊k均值，它听起来基本上像EM聚类，这是一个非常广为人知且有用的概念

这里的问题是没有艰难的任务

当一个点选择它应该属于哪个质心时，它会计算出它属于每个质心的概率（通过考虑它与每个质心的距离，并通过它们的累积和对这些数字进行归一化）

当质心决定重新定位到何处时，它没有一组定义良好的点，而这些点的平均值只是它的新位置。相反，它所做的是根据点所属的概率对点进行加权平均。因此，如果只有3个点X，Y和Z，X和Y分别属于该簇，概率为1.0，Z属于该簇，概率为0.5，则质心的新位置将为

（1.0/2.5）*X+（1.0/2.5）*Y+（0.5/2.5）*Z

---

这就是在每次迭代中计算质心的方法。

是的，这正是答案。