识别SOM中的集群（自组织映射）

Question

在SOM中收集和组织数据后，如何识别群集？

（项目使用许多特征进行聚合和聚类 - 超过10个）

具体来说，我想找到群集的“中心” - 因此给我“中心”节点。

Answer 1

您可以使用相对较小的地图并将每个节点视为一个群集，但这远非最佳。如果您想应用自动群集检测方法，您一定要阅读

Clustering of the Self−Organizing Map

并搜索类似的参考书目。

您还可以使用更复杂的SOM算法版本（多级，自我增长等）。

在任何情况下，请记住，找到“正确”数量的群集的问题没有一个有限的解决方案。

Answer 2

据我所知，SOM主要是数据驱动的维度降低和数据压缩方法。所以它不会集群为您提供数据;它实际上可能倾向于在投影中传播聚类（即将它们分成多个单元格）。

但是，它可能适用于某些数据集：

• 不是处理完整数据集，而是仅在SOM节点上工作（按分配给它们的元素数量加权），这应该要小得多
• 不是在原始空间中工作，而是在SOM所代表的低维空间中工作

然后在转换的数据上运行常规聚类算法。

Answer 3

虽然一个老问题我遇到了同样的问题而且我已经成功实施了Estimating the Number of Clusters in Multivariate Data by Self-Organizing Maps，所以我想我会分享。

链接算法使用U矩阵突出显示各个聚类的边界，然后使用称为分水岭的图像处理算法来识别组件。为了使其正常工作，u矩阵中的区域需要在量化分辨率内凹入（当转换为二进制图像时，只需使用填充来识别区域）。