网格上的群集矩形

Question

我尝试根据视觉接近度对网页内容进行聚类。 您可以在下面的链接上看到块的可视化显示 http://i.stack.imgur.com/qzGKE.png

我尝试使用带有sckikit的DBSCAN群集 - 学习下面的功能并没有太大的成功： - 块的左X坐标（因为内容经常左对齐） - 块的右X坐标（因为内容经常右对齐） - 块的顶部Y坐标（进一步关闭块）

您是否了解更好的功能

Answer 1

看一下广义的DBSCAN（虽然不适用于scipy）。

当物体重叠或几乎重叠（1个像素）时，如何将物体聚集在一起？

请参阅：DBSCAN并未真正使用距离。它基于二进制“足够接近”的决定。

另请注意，DBSCAN 不限于矢量。 DBSCAN可以处理任何可以为其定义“相似的”谓词的内容。

因此，您可能不需要“提取功能”，而是考虑何时希望两个对象位于同一群集中。