一种基于k-means算法的代表点估计方法

本文讨论了基于k-means算法的代表点估计。根据k-means算法对偏进行校正，给出了一维连续分布代表点估计的新方法(Revised k-means, RKM方法)。以一维正态分布为例将该算法求解的代表点应用于核密度估计，比较了随机样本(独立同分布)、修改的Monte Carlo方法、数论方法的样本(伪Monte Carlo方法)和RKM方法基于这4类近似离散统计分布的代表点的核密度估计，其中RKM代表点表现效果最好。