Graph 基于最大标准差约简的最小Spannig树聚类

我和我的大学团队正在做一个项目，用MST对图像进行量化 这是一个大学项目，因此我们被要求将MST聚类为K聚类，我们被要求通过以下步骤找到K的值：

计算最小生成树中边的标准偏差并存储

选择一条边，该边一旦被删除，将导致最大标准偏差减少，以获得一组 两个不相交的子树

计算当前迭代中的标准偏差减少。项

重复步骤（2）和（3），直到收敛->当前迭代和上一次迭代的标准偏差减少之间的差异非常小<0.0001

我在互联网上搜索了最大标准差减少的含义，但什么也没找到。 我知道什么是标准偏差，但我不知道它是否与标准偏差减少不同。

---

我想用Z-Score找出导致最大标准偏差的边缘，但我不知道这是否会减少最大标准偏差。

既然这是一个大学项目，你为什么不要求你的导师对作业进行澄清。当然我做了，但他们似乎从互联网上得到了这个项目的描述，他们不确定我们到底应该做什么，而且在这个过程中，可能至少翻译了两次？嗯，这是他们的任务——他们需要能够澄清这一点。