关于如何应用k意味着聚类和概述聚类

Question

我正在阅读聚类在人体运动分析中的应用。我开始使用随机数并应用k-means聚类算法，但我希望有一些图形圈出聚类，如图所示。基本上，线代表运动轨迹。我将欣赏有关如何获得人的运动轨迹的想法。应用程序是患者监控，其中轨迹将用于异常行为活动。

我将使用kinect并基于骨架跟踪记录运动轨迹。因此，我将记录头部，肩部和躯干关节的4个四元数值以及RGBD（红色绿色蓝色深度），这些值组合为这些关节的1个值。所以，总共4 * 3 + 3 = 15个时间序列。所以，有15个变量。如何转换它们以表示下面显示的轨迹，然后将聚类应用于聚类轨迹。群集将允许分类。

有人可以说明如何获得类似于附件的图表吗？以及如何将每个人的15个时间序列融合并转换为单个轨迹。 该图显示了为时间序列生成的簇数。提前谢谢。

Answer 1

K-means不适合轨迹。

它需要能够计算平均值（这就是为什么它被称为“k-means”）。拥有稳定，明智的意味着重要。但是一些时间序列的平均值有多大意义，即使你可以定义它（并且系列不是例如不同的长度和不同的移动速度）？

尝试层次聚类和多变量动态时间扭曲。