Mapas autoorganizados versus kernel k-means

Para una aplicación, quiero agrupar datos (potencialmente de alta dimensión) y extraer la probabilidad de pertenecer a un clúster. Considero en este momento mapas autoorganizados o kernel k-means para hacer el trabajo. ¿Cuáles son los pros y los contras de cada clasificador para esta tarea? ¿Me estoy perdiendo otros algoritmos de agrupación que podrían ser eficaces en este caso?

Esto tiene el potencial de ser una pregunta interesante. Los algoritmos de agrupamiento funcionan 'bien' o 'no bien' dependiendo de la topología de sus datos y de lo que está buscando en esos datos. ¿Qué quieres que representen los clústeres? Adjunto un diagrama que lamentablemente no incluye kernel k-means o SOM, pero creo que es de gran valor para comprender las graves diferencias entre las técnicas. Probablemente necesite preguntar y responder esto antes de comenzar a medir los "pros" y "contras".

Esta es la fuente de la imagen.