基于拍摄日期聚类图片的算法答案

【问题标题】：Algorithm for clustering pictures based on date taken基于拍摄日期聚类图片的算法
【发布时间】：2010-10-11 17:01:23
【问题描述】：

任何人都知道根据照片拍摄日期将照片分组为事件的算法。显然我可以按日期分组，但我想要一些更复杂的东西，它（可能）能够根据特定时间跨度内的频率对跨越多天的图片进行分组。考虑以下分组：

2009 年 1 月 2 日 15 张照片
2009 年 1 月 3 日 20 张照片
2009 年 1 月 4 日 13 张照片
2009 年 1 月 5 日 19 张照片
2009 年 1 月 15 日 5 张照片

这些可能会分为两组：

1/2/2009 -> 1/5/2009
2009 年 1 月 15 日

显然需要建立一些公差。

除了发明我自己的自上而下方法之外，是否有任何成熟的方法来做到这一点？

【问题讨论】：

您最终找到了一个运行良好的解决方案吗？如果是这样，你能分享你的方法吗？我即将解决类似的问题。

标签： algorithm cluster-analysis grouping

【解决方案1】：

尝试检测间隙而不是集群。

【讨论】：

【解决方案2】：

要根据日期获得有用的图片聚类，您需要以下内容：

1) 聚类的数量应该是可变的，而不是先验固定的聚类

2) 每个簇的直径不应超过特定数量。

最能满足这两个要求的聚类算法是QT (quality threshold) clustering algorithm。来自维基百科：

QT（质量阈值）聚类 (Heyer, Kruglyak, Yooseph, 1999) 是一个分区的替代方法数据，为基因聚类而发明。它需要更多的计算能力 k-means，但不需要指定集群的数量 a 先验的，并且总是返回相同的多次运行的结果。

虽然它主要用于基因聚类，但我认为它非常适合您的需求。

【讨论】：

任何分层聚集技术都具有该属性。
为什么你认为 QT 聚类更好？
分层聚集技术将在每次迭代中天真地合并总是最接近的两个点/簇对。由于您没有考虑每个点的所有集群，因此最终可能会出现倾斜集群
w/QT 不会第一个簇总是是预定义的最大直径的大小吗？
根据定义，第一个簇是在给定直径内具有最多点的簇。如果有足够的点，每个簇都将具有预定义的最大直径。

【解决方案3】：

您可以尝试根据要创建的集群的数量或大小（绝对或 %）动态计算容差。

【讨论】：

【解决方案4】：

您几乎可以在此应用any standard clustering technique，这只是正确定义距离函数的问题。当您制作照片之间的距离矩阵时，您应该考虑位置之间的物理距离（如果有的话）和它们的创建时间戳之间的时间距离的组合。 Normalise 它们并将它们放在不同的维度上，您甚至可以采用常规的欧几里得距离。

祝你好运。

【讨论】：

【解决方案5】：

只需将连续几天（没有没有拍照的日子）拍摄的照片组合在一起。

【讨论】：