Question

我希望围绕所有1和0创建集群。与Mindsweeper相似，我想基本上在所有1周围“画一个圆”，并在存在0的地方创建边框。

我尝试使用hclust()并创建一个距离矩阵，但是我正在使用的实际表非常大，并且运行时遇到了问题。

test_matrix  <- matrix(c( 1,1,0,0,0,0,1,     
                          1,1,1,0,0,1,0,
                          0,1,0,0,0,1,0,
                          0,0,0,1,1,1,0,
                          0,0,0,1,1,1,1),nrow=5)

结果如下：

     [,1] [,2] [,3] [,4] [,5] [,6] [,7]
[1,]    1    0    0    1    0    1    0
[2,]    1    1    0    0    0    1    1
[3,]    0    1    1    0    0    0    1
[4,]    0    1    0    0    0    0    1
[5,]    0    1    0    1    1    0    1

我的规则如下：如果通过上，下，左，右，对角线（任何方向）将任何1连接到任何1，请继续扩展“集群”。基于这些规则（每个点有8个连接点），我可以发现四个具有孤立的1的唯一集群。

您将如何编码以找到这些组？

Answer 1

我认为在这里群集是正确的方法，但是您为该任务选择了一种较差的方法（计算量大）。我会像这样去DBSCAN：

library(dbscan)

## slightly altered test matrix to include a "cluster" with a single 1
test_matrix  <- matrix(c( 1,1,0,0,0,0,1,     
                          1,1,1,0,0,1,0,
                          0,1,0,0,0,1,0,
                          0,0,0,1,1,1,0,
                          1,0,0,1,1,1,1),
                          nrow=5, byrow = TRUE)

## find rows and columns of 1s
ones_pos <- which(test_matrix > 0,arr.ind=TRUE)


## perform DBSCAN clustering
## setting eps = sqrt(2) + .1 corresponds to your neighbourhood definition
## setting minPts = 2 will mark clusters of one point as noise
clust <- dbscan(ones_pos, eps = sqrt(2), minPts = 2)

## find the indices of noise elements
singular_ones <- ones_pos[clust$cluster == 0, ]

singular_ones
#> row col 
#>  5   1

要查找所有群集（包括仅由一个1组成的群集），只需将minPts设置为1。在这种情况下，不会产生噪音。群集成员身份存储在clust$cluster中。

我敢肯定，这种方法对于大型矩阵也将很快。

二进制矩阵中1的群集组

1 个答案: