我有属于不同类的点（它们是图像的特征向量）（我的数据库中有类，这些点分布在它们之间），并且要形成的簇的数量是未知的。 我正在寻找的是一种聚类算法，它将聚集这些点，使得形成的聚类具有来自每个类的唯一点。通过唯一，我的意思是群集中没有两个点属于同一个类。也就是说，如果我有5个类，那么每个集群应该只有5个点;每个来自不同的班级。
在此之后，我想在所形成的簇中搜索最密集的簇，以获得来自不同类的相似点（图像）。
我已经通过了许多聚类算法，但是大多数都是通用的，对我没用。如果有人可以帮助我解决这个问题，或者通过提供任何可以解决这个问题的有用链接，我将非常感激。
答案 0 :(得分：0)
这看起来像一个非常有趣的特殊算法。我认为你是对的，标准方法不考虑你提到的这种类型特征/限制。在我看来，你应该创建一个新的聚类方法，特别是为您的应用程序。但是，没有必要从头开始创建所有内容，因为您可以修改现有方法以合并您的限制。例如，k-means的修改意味着在每一步中选择不同类的元素。这是算法设计的例子。如果您是研究生，请阅读有关群集的信息。如果您的领域知识超越了计算机科学/机器学习，请考虑与机器学习专家联系。