当我们在谈论kmeans（1）
引言
当希望快速了解或回顾某些算法的发展时，一般而言，大家都会选择阅读综述性文章，然后有选择性的阅读部分论文。而这种高效率的做法的负面，就是比较无趣的体验，毕竟一直都行走在别人规划好的思路中，总感觉少了点趣味性。
此系列文章一方面旨在回顾一些算法的历史演变轨迹；同时，看看能否挖掘出更多有趣或有意义的信息，让算法之路走的欢脱一点。
作为练手，本次先从k-means这个最基本的机器学习算法之一开始。
数据准备
从IEEE上抓取“标题或摘要中含有kmeans或相关关键词的论文”的部分公开信息，对于现在已有的信息，我关注的主要是title、authors、keywords、abstract、publicationYear、isConference（是否是会议文章）。抓取到数据后，将数据存入mongodb，后续使用python+jupyter来分析。
受限于抓取难度，以及本人初步的爬虫水平，并没有抓reference，这对接下来的数据挖掘是一个遗憾。若有同学比较擅长爬虫，欢迎私信或留言交流！（IEEE的网站说明里声明禁止爬虫，因此政治正确上最好是不要去爬的，此处也不讨论具体的技术细节）
数据总览
论文数量
1969-2016年，每年IEEE收录关于kmeans的论文数量如下图。其中蓝色表示当年总文章数量，绿色表示当年期刊论文数量，红色表示当年会议文章数量。
从图中可以得出以下几点结论：
1.1990年以前，kmeans相关文章很少，多的时候每年出版的总文章数量是1，少的时候则没有任何相关文章出版；90年代作为明显的过渡期，其之前与之后论文数量与趋势的变化是翻天覆地的；
2.会议文章占了总文章数量的绝大多数：在抓取的6000多篇文章中，会议文章总5476篇，而期刊数量540篇，只有会议文章的1/10；而每年的会议文章跟期刊文章的比值也差不多这个数；
3.kmeans相关会议文章数量在2005-2010和2013-2015几年间出现了爆炸性
延伸阅读
- ssh框架 2016-09-30
- 阿里移动安全 [无线安全]玩转无线电——不安全的蓝牙锁 2017-07-26
- 消息队列NetMQ 原理分析4-Socket、Session、Option和Pipe 2024-03-26
- Selective Search for Object Recognition 论文笔记【图片目标分割】 2017-07-26
- 词向量-LRWE模型-更好地识别反义词同义词 2017-07-26
- 从栈不平衡问题 理解 calling convention 2017-07-26
- php imagemagick 处理 图片剪切、压缩、合并、插入文本、背景色透明 2017-07-26
- Swift实现JSON转Model - HandyJSON使用讲解 2017-07-26
- 阿里移动安全 Android端恶意锁屏勒索应用分析 2017-07-26
- 集合结合数据结构来看看(二) 2017-07-26
学习是年轻人改变自己的最好方式