K-means 算法使用残差平方和 (RSS)，其中 $RSS_{K} = \sum_{d \in s}|{d-c(s)}|^2$, $RSS = \sum_{k= 1}^{K}{RSS_{K}}$是收敛准则。RSS 是目标函数$K$-手段，我们的目标是尽量减少它。

和$m(s) = \frac{1}{|s|} \sum_{d \in s}{d}$ 在哪里$d$是属于集群的数据点$s$.

我知道有两种功能$1.$凸的$2.$非凸的。对于凸函数，有一个全局最小值。但是对于非凸函数，存在局部最小值和全局最小值，因此 K-means 很容易陷入那些局部最小值的陷阱。但我不明白怎么做$RSS$是一个非凸函数。谁能给我解释一下？