Какие существуют расширения и вариации алгоритма k-средних?

Некоторые расширения и вариации алгоритма k-средних:

• Lloyd's algorithm. 1 Классический вариант k-средних, который хорошо работает для сферических кластеров с одинаковой плотностью, но может давать плохие результаты для других форм или размеров кластеров. 1
• Elkan algorithm. 1 Более быстрый вариант классического k-средних, который использует неравенство треугольника для уменьшения количества вычислений расстояний между объектами и центроидами. 1
• Mini-batch K-Means. 15 Модификация классического k-средних, использующая случайные подвыборки данных на каждой итерации для обучения. 1 Хорошо подходит для больших наборов данных. 1
• K-Medoids. 1 Вариант k-средних, который в качестве центроидов выбирает реальные точки (медоиды) из данных, а не их средние значения, что повышает устойчивость к выбросам. 1
• K-Modes. 1 Вариант алгоритма k-средних для работы с категориальными данными, который выбирает один из объектов в кластере в качестве моды и минимизирует сумму расстояний Хэмминга между модой и объектами в кластере. 1
• Метод k-медиан (k-medians). 2 Центроиды выбираются вычислением медиан, а не средних значений. 2
• Метод Хартигана и Вонга. 3 Вариация алгоритма k-средних, которая продвигается к локальному минимуму задачи о минимальной сумме квадратов с различными обновлениями решения. 3