MATLAB实现大规模K-means聚类并保存分区结果到二进制文件

在图像检索、特征量化以及向量压缩等任务中，经常需要对海量高维特征向量（如SIFT、GIST或深度学习提取的特征）进行K-means聚类，以构建视觉词袋模型或进行产品量化（Product Quantization）。当聚类中心数达到数百到数千、数据量达到百万级别时，标准的kmeans函数往往速度较慢且内存占用高。为了提升效率，许多研究者会使用精简版的litekmeans实现，它去掉了冗余检查，专注于核心Lloyd迭代，从而在大数据集上获得显著加速。

本文介绍一段实用MATLAB脚本，它完成了从读取fvecs格式特征文件、执行litekmeans聚类，到将聚类中心和每个簇的样本索引以特定二进制格式保存的全流程。这个流程在许多经典的ANN（Approximate Nearest Neighbor）基准测试中被广泛采用，尤其是在处理SIFT1M、GIST1M、ImageNet特征等数据集时。

脚本整体流程

1. 数据集选择与参数设置

   通过变量dataset指定数据集（如’imagenet’），并设置聚类中心数nClusters（例如1000）、最大迭代次数MaxIter和重复运行次数Replicates（通常为1以节省时间）。

2. 读取特征数据

   使用fvecs_read函数读取.fvecs格式的基向量文件（base.fvecs）。fvecs是IVF