我有 N 个对象之间的相似度矩阵。对于每 N 个对象，我可以衡量它们彼此之间的相似程度 - 0 相同（主对角线）并且随着它们变得越来越不相似而增加值。类似的东西（如果我说要聚集在一起的 10 000 个元素，实际矩阵将是 10 000 x 10 000）：

[ 0 5 12 7 ]
[ - 0 9  2 ]
[ - - 0  6 ]
[ - - -  0 ]

（假设索引从 0 开始）所以这里 object_0 与 object_1 (5) 最相似，但 object_1 本身与 object_3 (2) 更相似，等等。

我想将其分为 k 组，以最小化总体得分或集群内得分。我不确定这实际上是否会产生很大的不同。我还没有检查过这方面的数学，但我觉得在某些情况下，最小化特定集群的分数不一定会最小化总体分数（在所有集群中）。归根结底，即使严格地考虑可能存在差异，我实际上可能并不关心结果是否足够接近。

一些细节：

• 集群不必大小相等
• 我真的不介意集群的数量是输入还是由算法本身以某种方式决定（我想我更喜欢输入它）
• 通常我会有大约 10 000 个元素进行聚类。如果我推动它，也许 40 000。但后来我可能需要为一堆这样大小的矩阵重复运行它。

在执行此操作的算法/库之上，奖励积分：

• 一些已经实现它的库，所以我希望可以为它正确格式化数据，并在我花费大量时间之前看看它是否能给出好的结果
• 对于这样的lib，支持并行处理
• 其他漂亮的花里胡哨（如最大迭代次数、输入一些停止标准的能力等）

如果做不到这一点，当然它也可能只是一些允许我将它们分组的伪代码。