集群合并阈值

Question

我正在使用Mean shift，此过程计算数据集中每个点收敛的位置。我还可以计算2个不同点收敛的坐标之间的欧氏距离，但是我必须给出一个阈值，比如说，如果（距离<阈值），那么这些点属于同一个集群，我可以将它们合并。

如何找到用作阈值的正确值？ （我可以使用每个值，从中取决于结果，但我需要最佳值）

Answer 1

我已经多次实施了均值漂移聚类并遇到了同样的问题。根据您愿意为每个点移动的迭代次数，或者您的终止条件是什么，通常会有一些后处理步骤，您必须将移位的点分组到群集中。 理论上转移到相同模式的点不需要实际上直接在彼此顶部。

我认为最好和最常用的方法是使用基于内核带宽的阈值，如评论中所建议的那样。在过去，我执行此后处理的代码通常看起来像这样：

threshold = 0.5 * kernel_bandwidth
clusters = []
for p in shifted_points:
    cluster = findExistingClusterWithinThresholdOfPoint(p, clusters, threshold)
    if cluster == null:
        // create new cluster with p as its first point
        newCluster = [p]
        clusters.add(newCluster)
    else:
        // add p to cluster
        cluster.add(p)

对于findExistingClusterWithinThresholdOfPoint函数，我通常使用p与当前定义的每个群集的最小距离。

这看起来效果很好。希望这会有所帮助。