Latent structureMultivariate analysis

鲁棒 K-均值聚类

鲁棒 K-均值聚类是经典 K-均值聚类的一种扩展，可保护聚类估计免受异常值或污染观测值造成的失真。通过在更新聚类中心之前修剪用户指定的极端点比例，即使数据包含会严重偏倚标准 K-均值聚类的非典型情况，该算法也能产生稳定、有意义的划分。

用 StatMind 应用即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

相关方法的邻域——选择一个节点以展开探索。

鲁棒 K-均值聚类

Cuesta-Albertos, J. A., Gordaliza, A., & Matrán, C. (1997). Trimmed k-means: An attempt to robustify quantizers. The Annals of Statistics, 25(2), 553–576. DOI: 10.1214/aos/1031833664 ↗
García-Escudero, L. A., Gordaliza, A., Matrán, C., & Mayo-Iscar, A. (2008). A general trimming approach to robust cluster analysis. The Annals of Statistics, 36(3), 1324–1345. DOI: 10.1214/07-AOS515 ↗

ScholarGate. (2026, June 3). Robust K-means Clustering. ScholarGate. https://scholargate.app/zh/statistics/robust-k-means-clustering

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。