我有一个 3d 盒子，里面有一些点 (1800)。 像这样：
现在我必须对这些点进行聚类，而 k-means 无法做到这一点，因为你现在不需要聚类的数量。另一个问题是盒子是周期性的。所以侧顶和侧底的点可以相互归属。就像这张图片：
左右是彼此的。 如何将这些具有特定距离的集群定义为阈值，并实现该框是周期性的（因此，当您是其中之一时，如果这些距离低于阈值，则一个轴的末端会查看开头）？
亲切的问候， 格伦
【问题讨论】：
标签： matlab cluster-computing cluster-analysis
关于聚类分析的维基百科文章将回答您的问题。
寻找基于密度的聚类算法，因为您的数据在我看来非常类似于基于密度的聚类的设计场景。
【讨论】：
嗯，首先，您确实可以使用 K-Means。当然你需要使用集群有效性索引（google Silhouette width index、Calinski-Harabasz index、Dunn's index等）。
如果出于其他原因您真的不想使用 K-Means，您可能希望使用分层聚类算法，例如 Ward 方法（维基百科中的描述）。您不需要先验地知道集群的数量（但是，您能否真正声称您正在创建一个分类而不能够回答最基本的问题：有多少分类单元？）。
您的盒子是周期性的这一事实提出了一个有趣的挑战。我在这里的第一个想法是解决问题的最佳方法不是更改距离度量（您可以这样做），而是通过转换数据（特征提取）。 你的盒子有 6 个面，但是因为它的周期性就像它有 3 个面一样。因此，左侧和右侧是“相同的”（顶部和底部，以及前后）。 用三个特征重新定义每个对象怎么样？每个特征都是对象与“三个”边之一之间的距离。
祝你好运！
【讨论】：