在矩阵中查找簇答案

【问题标题】：Finding clusters in matrices在矩阵中查找簇
【发布时间】：2015-01-21 07:25:16
【问题描述】：

我正在尝试学习矩阵中的模式。我认为集群适合这样的任务，但不确定哪些集群技术（k-mean、hierachy、dbscan 等）是有效的。以下是一些示例。

这个矩阵产生 3 个簇：对角线包含 1s，对角线上方的（右上）三角形包含 0，以及包含随机数的（左下）三角形 0,1 的。

1,0,0,0,0,0,0,0,0,0
1,1,0,0,0,0,0,0,0,0
0,1,1,0,0,0,0,0,0,0
0,1,0,1,0,0,0,0,0,0
0,0,1,0,1,0,0,0,0,0
1,0,0,0,1,1,0,0,0,0
1,1,1,1,1,0,1,0,0,0
0,0,1,1,0,0,1,1,0,0
1,1,1,0,1,0,1,1,1,0
1,1,0,1,1,1,1,0,1,1

当使用 k=3-means 时，我得到了以下结果（0,1,2 表示标签或簇）。显然，不是我想要的

    0 0 0 0 2 2 2 2 2 2
    0 0 0 0 2 2 2 2 2 2
    0 0 0 0 2 2 2 2 2 2
    0 0 0 0 2 2 2 2 2 2
    0 0 0 0 2 2 2 2 2 2
    0 0 1 1 1 1 1 2 2 2
    0 1 1 1 1 1 1 1 1 2
    1 1 1 1 1 1 1 1 1 1
    1 1 1 1 1 1 1 1 1 1
    1 1 1 1 1 1 1 1 1 1

这会产生 4 个簇：左上角 1、右上角 1 的 3x3 矩阵、左下角矩阵 1 以及其余的。
```
1,0,0,0,1,1,1
0,0,0,0,1,1,1
0,0,0,0,1,1,1
0,0,0,0,0,0,0
1,1,1,0,0,0,0
1,1,1,0,0,0,0
1,1,1,0,0,0,0
```

k=4-mean 给出以下结果，这也不是我想要的

    1 1 1 0 0 0 0
    1 1 1 0 0 0 0
    1 1 1 0 0 0 0
    2 2 1 3 3 3 3
    2 2 2 3 3 3 3
    2 2 2 3 3 3 3
    2 2 2 3 3 3 3

【问题讨论】：

标签： image-processing matrix computer-vision cluster-analysis k-means

【解决方案1】：

聚类分析不是您要寻找的工具。

您的要求可能更多的是图像处理性质而不是集群。

聚类不会在矩阵上“直观地”运行。一个单元在集群中与另一个单元非常相似，一个单元主要使用矩阵，因为有可用的快速实现，并且您最终会得到一个简短的概念和相当高的性能。 Clustering 使用的矩阵类型通常是距离矩阵。

此外，大多数聚类算法会假设属性是连续的。

如果您只是将您的单元格映射到(x,y,value)，我一点也不惊讶它不起作用。三列的数值范围不匹配，值为 0 的“点”与值为 1 的“点”不一样。这不是适合此类算法的数据模型。

问题是，我用过的 100 种聚类算法都不能满足你的要求。

相反，图像分析技术更有可能为您提供帮助。

【讨论】：

谢谢，我去看看图像处理技术。

【解决方案2】：

我不得不同意 Anony-Mousse 的观点。据我所知，没有任何聚类技术可以处理您的所有情况。

特别是，我建议您查看Image Segmentation 上的维基百科页面。它提到了 Anony-Mousse 不赞成的那种方法的概括。例如，如果您使用 (x,y,value) 表示，使得 value 的权重明显高于位置，那么也许它可以在第二种情况下发现您想要的四个细分。也就是说，我无法使用 scipy kmeans 函数完成这项工作。

【讨论】：