scipy kmeans - 如何获得集群之间的实际阈值答案

【问题标题】：scipy kmeans -- how to get actual threshold between clustersscipy kmeans - 如何获得集群之间的实际阈值
【发布时间】：2013-04-26 06:25:21
【问题描述】：

使用 scipy kmeans 我可以得到我的集群的质心

centroids, variance = kmeans(pixel,3)

还有一个数组，显示哪个值分配给哪个集群：

code, distance = vq(features, centroids)

但是我如何获得实际的阈值分离集群彼此？有没有包含这些的变量或命令？

感谢您的建议

【问题讨论】：

【解决方案1】：

K-means 不使用数值阈值。

每个点都属于最近的聚类，因此“阈值”是两个最近聚类中心之间的超平面（参见 Wikipedia 中的“Voronoi diagram”）。

【讨论】：

我刚刚从卫星图像处理程序中得知，这些程序为我提供了实际图像的阈值。我想我需要从每个集群中的最大值/最小值然后通过图像统计来确定它们。
嗯，分离是一个任意旋转的超平面。在 RGB 空间中，在 3D 中。那么阈值是多少？另一方面，在一维数据上，k-means 没有意义。它的效率非常低，因为可以对一维进行排序，然后处理比使用“未排序”k-means 快得多。
我在卫星图像处理软件中使用了 k-means。在那里，我收到了将图像像素值分成各种簇的阈值。我将其视为单个图像通道的基于直方图的分离，并且需要直方图中的分割线。 K-means 似乎是卫星图像分析中常用的一种方法。无论如何 - 它适用于 scipy python，但我需要提取集群分开的值
再一次，多维度的阈值是什么样子的？在灰度数据上很简单，一个数值阈值，例如 (x1 + x2)/2