通过使用几何信息加速k-means++算法

本研究针对k-means++算法的性能瓶颈，提出了一种利用几何信息的加速方法，实现了更高效的聚类分析。采用三角不等式和额外的范数过滤器，结合两步采样程序，使得在聚类数量增加时，算法的速度显著提高，特别适用于低维数据和高维数据的不同场景。本研究的结果有助于提升聚类算法在大规模数据集中的应用效率。