我正在尝试实现基于论文"Scalable Recognition with a Vocabulary“的图像搜索。我使用SURF来提取特征和关键点。例如,对于一个图像,我得到300个关键点,每个关键点有128个描述符值。我的问题是如何在数据上应用K-Means聚类算法。我的意思是,我是否需要对所有的点应用聚类算法,即300*128个值,或者我是否需要找到连续描述符值之间的距离并存储这些值并对其应用聚类算法。我很困惑,任何帮助都将不胜感激。
谢谢,洛奇。
我使用集群实现,我希望数据X形成我在算法中定义的集群数量(我相信这就是它的工作方式)。但这种行为令人困惑。
cm = FCM(n_clusters=6)
cm.fit(X)
此代码生成一个带有4个标签的图- 0,2,4,6
cm = FCM(n_clusters=4)
cm.fit(X)
此代码生成一个带有4个标签的图- 0,1,2,3
当我初始化簇号时,我期望标签0,1,2,3,4,5为6。
代码:
from fcmeans import FCM
from matplotlib import pyplot as plt
from seaborn import scatterplot as s