KMeans++的初始化方法

KMeans++ 的初始化方法：
1、隨機選一個樣本作爲第一個簇中心。
2、計算每個樣本到最近簇中心的距離。
3、以距離爲概率隨機選擇下一個簇中心。
4、重複步驟2和3，直到找到K個簇中心。

vlfeat \ kmeans.c \ _vl_kmeans_init_centers_plus_plus_ 中的代碼片段如下：

x = vl_rand_uindex (rand, numData) ;
  c = 0 ;
  while (1) {
    TYPE energy = 0 ;
    TYPE acc = 0 ;
    TYPE thresh = (TYPE) vl_rand_real1 (rand) ;
    
    //把隨機選的樣本作爲簇中心。
    memcpy ((TYPE*)self->centers + c * dimension,
            data + x * dimension,
            sizeof(TYPE) * dimension) ;

    c ++ ;
    if (c == numCenters) break ;

    //計算所有樣本到當前簇中心的距離。
    VL_XCAT(vl_eval_vector_comparison_on_all_pairs_, SFX)
    (distances,
     dimension,
     (TYPE*)self->centers + (c - 1) * dimension, 1,
     data, numData,
     distFn) ;

    //計算所有樣本到最近簇中心的距離，並求和。
    for (x = 0 ; x < numData ; ++x) {
      minDistances[x] = VL_MIN(minDistances[x], distances[x]) ;
      energy += minDistances[x] ;
    }

    //隨機數落在距離和中的哪一段，就以對應樣本爲下一個簇中心。
    for (x = 0 ; x < numData - 1 ; ++x) {
      acc += minDistances[x] ;
      if (acc >= thresh * energy) break ;
    }
  }