我最近阅读了k-Means单次通过种子选择算法的文章，但对其中的算法不太理解，具体如下：
- 计算距离矩阵
Dist，其中Dist (i,j)表示从i到j的距离 - 计算
Sumv，其中Sumv (i)是第i个点到所有其他点的距离之和 - 找到
Sumv的最小值对应的点i，并设置Index = i - 将第一个点添加到
C中作为第一个中心点 - 对于每个点
xi，设置D (xi)为xi与C中最近点的距离 - 计算
y，它是Index点的前n/k个最近点的距离之和 - 找到唯一的整数
i，使得D(x1)^2+D(x2)^2+...+D(xi)^2 >= y > D(x1)^2+D(x2)^2+...+D(x(i-1))^2 - 将
xi添加到C中 - 重复步骤5-8直到获得
k个中心点
特别是步骤6，我们是继续使用同一个Index（同一个点）还是使用C中新添加的点？关于步骤8，i是否必须大于1？
回答：
说实话，我不会太担心理解那篇论文——它并不是很好。
- 算法描述得不好。
- 它实际上不是单次通过，需要进行n^2/2次成对计算再加上一次数据遍历。
- 他们没有报告他们的种子选择方案的运行时间，可能是因为它的工作量是O(n^2)，非常差。
- 他们在非常简单的数据库上进行评估，这些数据库中k-Means不太容易陷入糟糕的解中。
- 他们评估“更好”的一个指标是给定种子选择后k-means运行所需的迭代次数。虽然这是一个有趣的指标，但他们报告的微小差异是无意义的（k-means++种子选择可能需要更多迭代，但每次迭代的工作量更少），而且他们没有报告运行时间或他们使用的k-means算法类型。
你会从学习和理解他们所比较的k-means++算法中获得更多益处，并阅读一些相关的背景历史。
如果你真的想理解他们在做什么，我建议你提升一下你的Matlab技能，并阅读他们提供的Matlab代码。但这真的不值得。如果你查找分位数种子选择算法，他们基本上在做非常相似的事情。不是使用到第一个种子的距离来排序点，他们似乎在使用成对距离的总和（这意味着他们不需要初始种子，因此有唯一解）。
