Question

我正在尝试了解矩阵中的模式。我认为聚类适合于这样的任务，但不确定哪种聚类技术（k-mean，hierachy，dbscan等）是有效的。以下是一些例子。

此矩阵产生3个簇：对角线包含1s，对角线上方的（右上角）三角形包含0，以及包含随机的（左下）三角形 0,1的。

1,0,0,0,0,0,0,0,0,0
1,1,0,0,0,0,0,0,0,0
0,1,1,0,0,0,0,0,0,0
0,1,0,1,0,0,0,0,0,0
0,0,1,0,1,0,0,0,0,0
1,0,0,0,1,1,0,0,0,0
1,1,1,1,1,0,1,0,0,0
0,0,1,1,0,0,1,1,0,0
1,1,1,0,1,0,1,1,1,0
1,1,0,1,1,1,1,0,1,1

当使用k = 3-means时，我得到以下结果（0,1,2表示标签或簇）。显然，不是我要找的东西

    0 0 0 0 2 2 2 2 2 2
    0 0 0 0 2 2 2 2 2 2
    0 0 0 0 2 2 2 2 2 2
    0 0 0 0 2 2 2 2 2 2
    0 0 0 0 2 2 2 2 2 2
    0 0 1 1 1 1 1 2 2 2
    0 1 1 1 1 1 1 1 1 2
    1 1 1 1 1 1 1 1 1 1
    1 1 1 1 1 1 1 1 1 1
    1 1 1 1 1 1 1 1 1 1

这个产生4个簇：左上1，右上3x3矩阵为1，左下矩阵为1，其余为。

1,0,0,0,1,1,1
0,0,0,0,1,1,1
0,0,0,0,1,1,1
0,0,0,0,0,0,0
1,1,1,0,0,0,0
1,1,1,0,0,0,0
1,1,1,0,0,0,0

k = 4-mean给出以下结果，这也不是我想要的结果

    1 1 1 0 0 0 0
    1 1 1 0 0 0 0
    1 1 1 0 0 0 0
    2 2 1 3 3 3 3
    2 2 2 3 3 3 3
    2 2 2 3 3 3 3
    2 2 2 3 3 3 3

Answer 1

群集分析不是您正在寻找的工具。

您的要求可能比图像处理更具有图像处理性质。

群集不会在矩阵上“直观地”操作。一个单元格与集群中的另一个单元格非常相似，并且一个单元格主要使用矩阵，因为有快速实现可用，并且您最终会得到一个简短的概念和相当高的性能。聚类使用的矩阵类型通常是距离矩阵。

此外，大多数聚类算法都假定属性为连续。

如果您只是将您的单元格映射到(x,y,value)我并不感到惊讶它不起作用。三个列的数值范围不匹配，值为0的“点”与值为1的点不同。这不是适合此类算法的数据模型。

问题是，我使用过的100种聚类算法都没有达到你想要的效果。

相反，图像分析技术将更有可能帮助您。

Answer 2

我必须同意Anony-Mousse。没有我知道的聚类技术可以处理你的所有情况。

特别是，我建议您查看Image Segmentation上的维基百科页面。它提到了Anony-Mousse不赞成的那种方法的概括。例如，如果您使用（x，y，value）表示使得该值的权重明显大于该位置，则可能它可以在您的第二种情况下发现您想要的四个段。也就是说，我无法使用scipy kmeans函数来完成这项工作。

在矩阵中查找聚类

2 个答案: