求问：是否存在与自定义k-reduce聚类功能相同的已有算法？

给定N个点的集合，需将其划分为k个子集S₁,…,Sₖ。每个子集Sᵢ对应一个代表点Rᵢ，目标是找到这些R₁,…,Rₖ，以最小化子集成员相对于聚类代表点的任意代价函数，即：

min ∑_{i=1}^k ∑_{Pj ∈ Si} cost(Pj, Ri)

其中聚类代表点Rᵢ由任意归约函数从聚类成员中生成：

Ri = reduce(Si)

受k-means聚类启发，我设计了以下称为k-reduce聚类的算法，现咨询是否存在具备相同功能的算法或算法族：

# 从S中随机选取k个样本初始化，可采用更优的初始化方法
cluster_repr = random_samples(S, k) # 包含k个点的列表
clusters = None

while True:

    # 步骤1：分配阶段
    old_clusters = clusters
    clusters = [[] for i in range(n)]
    for Pj in S:
        # 将Pj分配给使其相对于代表点代价最小的聚类
        cluster_idx = argmin(
            cluster_repr,
            lambda Ri : cost_fn(Pj, Ri)
        )
        clusters[cluster_idx].append(Pj)

    # 步骤2：更新阶段
    cluster_repr = [reduce_fn(clusters[i]) for i in range(n)]

    total_dist = None
    if old_clusters == clusters: break

内容的提问来源于stack exchange，提问作者digikar