Matlab中用于聚类的确定性函数

Question

我一直在使用Matlab内置的kmeans函数进行聚类。由于算法中使用的随机性，如果我设置不同的种子，结果将有所不同。这有点烦人。有没有办法减少聚类结果的差异？另外，在Matlab中是否存在用于聚类的确定性函数？

Answer 1

如果您拥有图像处理工具箱，那么有些工具将使用确定性的Otsu方法

https://en.wikipedia.org/wiki/Otsu's_method

如果datain是您的输入数据：

2节课： threshold = graythresh(datain);

阈值=将数据分为2类的阈值，归一化为[0,1]

对于多个班级： thresholds = multithresh(datain,N);

N =阈值数量

阈值= 1xN个阈值向量（未规范化）

Answer 2

这是正常的。 k平均算法在每次迭代后都会创建新的类，因此结果可能会有所不同。 例如：该算法将确定哪个水果是带有梨的苹果。可以将苹果分类为梨，但是所有的苹果都是梨，而所有的梨都是苹果。

Answer 3

我想出了一些方法来减少聚类结果的差异。

1. 在kmeans的参数中放入“ OnlinePhase”，“ on”。这将导致本地分钟，通常是全球分钟。
2. 将“ Replicates”放入参数中的5。在这里5可以用更大的数字代替。它要求Matlab做5次kmeans并选择最佳结果。
3. 将“ MaxIter”放入参数1000中。这样会将最大迭代次数从默认的100增加到1000，这可能但不太可能提高准确性。

只要我们追求kmeans的最佳结果，我们就更有可能获得一致的结果。