查找聚类的边轮廓点
聚类的边轮廓点是指在聚类分析中，用于确定聚类结果的边界点。边轮廓点可以帮助我们评估聚类的质量和确定最佳的聚类数目。
边轮廓点的计算方法是通过计算每个样本点与其所属聚类的平均距离（a）以及与其他聚类的平均距离（b），然后计算边轮廓系数（s）来衡量样本点的聚类紧密度。边轮廓系数的取值范围在-1, 1之间，数值越接近1表示样本点越好地被分配到了正确的聚类中，数值越接近-1表示样本点更适合被分配到其他聚类中。
聚类的边轮廓点在实际应用中具有以下优势：
- 聚类质量评估：边轮廓点可以帮助我们评估聚类的质量，判断聚类结果的合理性和准确性。
- 聚类数目确定：通过计算不同聚类数目下的边轮廓系数，可以找到最佳的聚类数目，避免过度聚类或欠聚类的问题。
- 数据可视化：边轮廓点可以用于可视化聚类结果，帮助我们理解数据的分布和聚类结构。
在云计算领域，可以利用聚类的边轮廓点来进行数据分析、用户行为分析、推荐系统等应用场景。例如，在电商领域，可以利用聚类的边轮廓点来对用户进行分群，从而实现个性化推荐和精准营销。
腾讯云提供了一系列与聚类相关的产品和服务，其中包括：
- 腾讯云机器学习平台（https://cloud.tencent.com/product/tcml）：提供了丰富的机器学习算法和工具，可以用于聚类分析和数据挖掘。
- 腾讯云数据分析平台（https://cloud.tencent.com/product/dp）：提供了强大的数据分析和可视化工具，可以用于聚类结果的可视化和分析。
- 腾讯云大数据平台（https://cloud.tencent.com/product/emr）：提供了分布式计算和存储能力，可以支持大规模数据的聚类分析。
通过使用腾讯云的相关产品和服务，用户可以快速搭建和部署聚类分析的解决方案，实现高效的数据分析和挖掘。
相关·内容
5回答
我想要实现一个算法，它将找到轮廓的边界矩形(已经由另一个算法确定)。我唯一拥有的是一个二进制图像(如下面所示)。基本想法是：
采取这样的方式--预处理的二值化图像
和生产类似于的产品
浏览 9提问于2012-01-14得票数 4
回答已采纳
我试着找出轮廓，并用它形成五个聚类。我找到的轮廓有：
Imgproc.findContours(bw.clone(), contours, hierarchy, Imgproc.RETR_TREE, Imgproc.CHAIN_APPROX_SIMPLE);
我想用kmeans算法来形成五个聚类。但我不知道，findContours函数和kmeans函数之间的步骤。
Core.kmeans(samples32f, 5, labels, criteria, 1, Core.KMEANS_PP_CENTERS, centers);
kmeans函数的第一个参数是带有浮点( CvType )和点的M
浏览 2提问于2016-04-10得票数 0
回答已采纳
2回答
我的目标是对关于26周的126个时间序列进行聚类(因此每个时间序列有26个观察值)。我在medoids周围使用了pam{cluster} = partitioning来对这些时间序列进行聚类。
在聚类之前，我想比较哪种距离度量最合适:欧几里得、曼哈顿或动态时间扭曲。我使用每个距离通过轮廓图进行聚类和比较。有什么方法可以比较不同的距离度量吗？
例如，我知道用于验证集群结果的过程clValid {clValid}，但是我不能实现dtw来计算索引。
那么，我如何比较不同的距离度量(不仅仅是通过轮廓)？
附加问题: GAP统计数据是否足以决定选择多少集群？或者我应该用不同的方法评估集群的数量，或者比较
浏览 1提问于2014-04-25得票数 2
1回答
我试图在包含年频率时间序列数据的数据集(~1000系列)中找到模式。一些样本数据：
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18
1 1.0000 0.6154 0.0000 0.0769 0.0000 0.0000 0.0000 0.2308 0.6923 0.6923 0.6923 0.6923 0.6923 0.3846 0.3846 0.0769 0.0769 0.0769
浏览 0提问于2018-07-17得票数 1
回答已采纳
1回答
散点图中的聚类和等高线
、、、、
我有一个来自数据框的散点图。正如您在附图中所看到的，在图的特定部分中有特定颜色类型的聚类。有没有一种简单的方法可以对色彩映射值进行聚类，然后绘制轮廓。即选择0和5之间的值(用于色彩映射表)并绘制轮廓。
在df上绘制附加绘图的示例代码：
df.plot.scatter(x='length',
y='width',
c='species',
colormap='viridis')
浏览 0提问于2021-01-27得票数 0
我正在实现一个系统，它需要在识别之前对字符进行去倾斜。我目前正在使用OpenCV的minAreaRect来获取包含该字符的最佳矩形。我使用这个矩形的坐标来应用warpPerspective变换，所以它必须是精确的。
问题是，对于某些字符，此minAreaRect不会返回字符的最佳位置，如下所示：请注意，红色轮廓是minArea矩形，绿色轮廓是轮廓本身。
我试图验证T框的面积，它看起来类似于包含T的直框。这是此函数的预期行为吗？
浏览 0提问于2014-08-12得票数 3
1回答
K=1时HAC的轮廓系数
、、、、
如果是k=1的话，如何计算HAC聚类的轮廓线系数的值呢？轮廓系数的范围在1之前为-1，但对于单例(k=maximum) (只有1个数据的集群)，轮廓系数为0。k=1的轮廓系数是0，还是-1或1？轮廓系数的计算公式为。
SC(i) = (b(i)-a(i))/max(a(i), b(i))
a(i) = Average distance of object with other object in one cluster.
b(i) = Minimum Average distance of object with other object in other cluster.
*为我糟糕的英语道
浏览 3提问于2018-06-20得票数 0
1回答
我知道有一些聚类点的解决方案。我正在处理一个要素图层，该图层使用多边形来勾勒属性的轮廓。我想知道的是，是否有任何方式可以进行基于缩放的聚类。
这个是可能的吗？
浏览 1提问于2016-10-25得票数 0
1回答
区分正常簇和攻击簇
、、、、
在下面的图中，我们绘制了一些正常状态和受攻击的传感器数据(离群点)：1.绿色点是训练数据集中的正常样本。2.青色点和红点是测试数据集中的正常样本。3.黑点和蓝点是测试数据集中的攻击样本。我们希望仅使用我们从训练数据集(绿点)中提取的信息对测试阶段的正常样本进行分类。我非常感谢为此目的提出的任何建议。
谢谢。
📷
浏览 0提问于2018-01-20得票数 0
1回答
在执行聚类之前，我使用来自pyclustertend的Hopkins分数来了解集群形成的可能性。结果是0.049，这表明数据适合用于统计。 然而，在分类后，通过轮廓评分评估的集群质量并不令人印象深刻(0.37)。 据我所知，这似乎是相当矛盾的。如果霍普金斯是低的，我会期望更高的轮廓得分。 我是不是误解了？这是否暗示了集群过程中出现了问题？ 谢谢!
浏览 14提问于2021-01-26得票数 0
2回答
检测内部轮廓和颜色的形状
、、、、
我是个使用python的opencv新手，正在尝试获取图像中轮廓的形状。考虑到只有像正方形、矩形、圆形和三角形这样的规则形状，有没有办法只使用numpy和cv2库来获得轮廓形状？
我也想找一个轮廓里面的颜色。我该怎么做呢？
对于查找轮廓区域，有一个内置的函数：cv2.contourArea(cnt)。“轮廓形状”和“轮廓内的颜色”也有内置的函数吗？请帮帮我！
注意:我正在考虑的图像包含多个规则形状。
浏览 0提问于2016-11-19得票数 2
我正在尝试使用k-prototypes算法对一些大数据进行聚类。我无法使用K-Means算法，因为我既有分类数据也有数字数据。通过k原型聚类方法，如果我定义了我想要的k值，我就能够创建聚类。
如何找到适用于此的群集数量？
只有数字数据的流行方法(如弯曲法和轮廓记分法)是否适用于混合数据？
浏览 0提问于2018-03-08得票数 2
1回答
假设我有一个无向加权连通图。我想将具有最高边值的顶点组合在一起(顶点度数)。使用聚类算法是一种方法。对于这项任务，我可以考虑哪些聚类算法？我希望它是清楚的；如果有任何问题需要澄清，请提问。谢谢。
浏览 1提问于2015-06-08得票数 1
1回答
关于轮廓宽度(SW)、戴维斯- Bouldin指数(DB)、Calinski-Harabasz指数(CH)和Dunn指数等指标鲜有报道。我们怎么能说聚类质量度量是好的呢？
聚类质量度量是否有较好的度量？
还有，
“生成具有高Dunn索引的集群的算法更可取”，-Wikipedia
“具有较高轮廓值的对象被认为是良好的群集”-Wikipedia。
聚类算法是生成具有最小Davies-Bouldin指数的聚类集合的最佳算法“-Wikipedia。
这些值应该有多高或多低?有公制数字吗？
有谁能给我提供一个小例子，使用数据集上的聚类质量度量或IRIS数据集来表示特定的聚类质量度量是好的？
浏览 0提问于2015-03-02得票数 0
4回答
输入图像：
预期输出：
我打算拟合三个(或一些数量)多边形(在本例中为矩形)，以表示此图像中的“大”白色斑点。在输出图像中绘制的矩形是根据我对白色区域的感知。我不希望算法得到同样的边界区域。我所希望的是在白色像素的簇周围拟合一些紧密的多边形。
我最初的解决方案是找到这幅图像的轮廓，并通过找到每个轮廓中点的凸包，在每个轮廓周围拟合一个闭合的凸多边形。
然而，由于白色区域高度碎片化，内部有黑色区域，边缘有隆起，所以cv2.findContour返回的轮廓数量非常高(大约500个左右)。因此，拟合凸面外壳不会改善白色区域的形状。白色区域大多保留其原始的抽象形状。我的目标是将白色区域的许多
浏览 0提问于2013-06-18得票数 6
2回答
问题(psuedo)如何找到一组瓷砖的轮廓？假设在x/y坐标A20、20、B20、30和C处有三个瓷砖。这些点代表瓷砖的中心。每个瓷砖有4个顶点: TL (左上角)、TR、BL (左下角)和BR。三个瓷砖一起有8个独特的(不重叠的)顶点.
我们需要由绿色点(顶点)定义的红线(路径)：
需要解算法的输出应该是由这些顶点组成的块的轮廓形状的路径--按顺序排列:a TL、A TR、A BR、C TR、C BR、C BL、B、B、B TL (以及可选的，A TL再次关闭)。看到红线了。
可能的解决方案之一是迭代所有的，对于每个瓷砖检查：+上面是否有一个邻居？如果不是，在TL和TR到路径+，它有一个邻居
浏览 10提问于2013-04-10得票数 1
回答已采纳
3回答
我得到了我想要生成的平面的轮廓(点的列表)。平面很大，我需要在轮廓内均匀分布的顶点。每个顶点都有一个从红色到绿色的颜色值，以可视化平面中的某些数据。我需要实时地将数据尽可能精确地可视化。
我的想法是简单地创建一个网格并调整轮廓外的所有顶点。这被证明是相当复杂的。
这是我想要实现的一个快速示例。
有没有什么算法可以解决这个问题？有没有其他方法可以从具有均匀分布顶点的轮廓生成网格？
浏览 1提问于2017-12-21得票数 2
1回答
我使用k-means算法对我的数据进行聚类。我有5000个样本……(我的每个样本都是关于一个客户的。为了分析客户价值，我将基于4个行为特征对它们进行聚类。)距离是使用欧几里德度量和皮尔逊相关性计算的。
我需要知道
我不知道欧几里德距离是计算距离的正确方法还是皮尔逊相关性？我正在使用轮廓来验证我的聚类。当我使用皮尔逊相关性时，轮廓值比我使用欧几里德度量时要多。这是否意味着皮尔逊相关性更适合于距离度量？
浏览 4提问于2014-08-04得票数 0
1回答
我有一组数据，其中包括:项目，关联聚类，轮廓系数。如果需要，我可以用更多的信息进一步扩充这个数据集。
我想在R中生成一个轮廓图。我在这方面遇到了麻烦，因为我遇到的例子使用了内置的kmeans (或相关的)聚类函数并绘制了结果。我想绕过这一步，为我自己的聚类算法生成图，但最后我没有为plot函数提供正确的参数。
谢谢。
编辑
数据集示例
我尝试使用基于的各种参数加载dataset并将其传递给plot函数
浏览 0提问于2015-11-30得票数 10
回答已采纳
1回答
我正在使用Python中的Tkinter来绘制地图。我想填充一个多边形(当前使用的是create_polygon)，然后取消填充其中的一个小多边形区域。有可能做到这一点吗？
这是我正在思考的事情的一个模糊的图表：
浏览 1提问于2018-04-28得票数 1
我正在做聚类工作，我有90个特征，有13500个数据点，去除了相关变量，其中皮尔逊相关性超过90%，我的特征空间减少到70个。而且，几乎所有我最初的90个特性都有大量的零值(超过70%-80%的数据点)。我在算法实现方面所做的是：
Ran K-通过根据轮廓指数选择聚类数来表示原始数据的70个特征(均为数字)。
Ran K-通过根据剪影索引选择簇数将维度降到2。
我所观察到的和我相应的问题是：
K-表示pca减少的数据提供了更好的聚类。有什么办法可以让我用这个集群来解释吗？就像从pca分配聚类标签一样，将数据减少到原始数据
原始数据上的K-均值和pca上的K-均值是如何不同的？我知道pca会将数
浏览 0提问于2020-01-21得票数 3
1回答
我想应用sklearn图形聚类算法，但它们不接受来自networkx的.gexf格式的输入。我需要什么样的库/转换来转换适合学习的.gexf图？
浏览 1提问于2019-04-09得票数 3
回答已采纳
我刚接触橙色，我很难用k均值生成集群的散点图。这是我所拥有的集群的照片。 ? 到目前为止，我的过程是上传数据集，通过归一化、PCA、k-means进行预处理，以聚类的数量作为最高轮廓得分，然后进行散点图并按聚类着色。为什么我的集群会重叠？此外，为什么每个轮廓得分都有较低的数字(在~0.19处有几个，而不是一个真正占主导地位的集群)？
浏览 35提问于2021-09-25得票数 0
1回答
利用光谱聚类将玩具数据集聚类为三组。请看下面的代码。默认情况下，亲和力=‘rbf’。
from sklearn.cluster import SpectralClustering
import numpy as np
points = np.array([[5,6], [3,3], [2,2], [7,3], [8,3], [5,4], [5,5], [9,3], [7,1]])
spectral = SpectralClustering(n_clusters=3)
labels = spectral.fit(points).labels_
输出是三个集群，图像上显示有标签1 2 2
浏览 0提问于2018-11-23得票数 0
回答已采纳
1回答
OpenCV function 中用于计算轮廓凸性缺陷的算法是什么？
请描述并说明算法的高级操作，以及它的输入和输出。
浏览 58提问于2018-09-24得票数 3
回答已采纳
2回答
解释聚类度量
、、
我在Scikit中用k均值进行聚类，学习398个样本，306个特性。特征矩阵稀疏，簇数为4。为了改进聚类，我尝试了两种方法：
聚类之后，我使用ExtraTreesClassifier()对特征重要性进行分类和计算(聚类中标记的样本)。
我使用PCA将特征维降为2。我计算了以下指标( ，)
方法sum_of_squares，Calinski_Harabasz，剪影1公里，31.682 401.3 0.879 2公里+顶部特征5989230.351 75863584.45 0.977 3 kmeans+PCA 890.5431893 58479.00277 0.993
我的问题是：
浏览 4提问于2016-08-03得票数 1
回答已采纳
2回答
层次聚类
、
我已经阅读了一些参考资料，并了解了层次聚类的工作原理。然而，当我将其与k-means聚类进行比较时，在我看来，k-means确实构成了特定数量的聚类，而层次分析则向我展示了如何对样本进行聚类。我的意思是，在分层聚类中，我没有获得特定数量的集群。我只得到了一个关于集群如何构成的方案，以及样本之间的部分关系。
因此，我无法理解在哪里可以使用这种聚类方法。
浏览 4提问于2018-04-24得票数 1
1回答
我正在尝试用SPSS做聚类分析。在R中，我们可以使用轮廓图来确定最佳聚类数。
如何使用SPSS找到最优聚类数？
PS。我是第一次接触SPSS。
浏览 2提问于2018-08-21得票数 0
1回答
我正在尝试根据数据点的密度对数据进行聚类。
我想根据density.Like在这些区域周围绘制轮廓线，这样：
为了达到这一点，我正在尝试修改中的以下代码：
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import gaussian_kde
# Generate fake data
x = np.random.normal(size=1000)
y = x * 3 + np.random.normal(size=1000)
# Calculate the point density
浏览 3提问于2015-10-06得票数 1
我想要更多的信息，如果k-均值与Mahalanobis距离是一个数学上/方法上正确的选择，数据集与不同的方差簇。这些步骤是：
创建聚合数据集(最初是随机的还是另一种方式，并不重要)
估计每个聚合/集群数据集的mu，sigma
通过计算每个点到每个簇的Mahalanobis距离并更新聚类，重新计算聚类。
转到2，直到群集不改变为止。
我见过这个实现，也在论文中看到过。但有些人对此感到不舒服。没有办法对Mahalanobis进行“绝对”最佳聚类(即轮廓度量)。您只能估计您的模型(不同的正态分布)对您的数据的误差(例如，贝叶斯信息准则)。你肯定会超健康的。从聚类和方法上看，这是否仍然是“正确的”？这
浏览 0提问于2020-01-20得票数 3
我使用scipy.cluster.hierarchy.linkage作为聚类算法，并将结果链接矩阵传递给，以获得不同阈值的扁平化聚类。
我想计算结果的轮廓得分，并将它们进行比较，以选择最佳阈值，并且不喜欢自己实现它，而是使用scikit learn的。如何将聚类结果作为sklearn.metrics.silhouette_score的输入重新排列？
浏览 0提问于2015-01-10得票数 5
1回答
我正在做聚类分析，我想用轮廓图来验证聚类结果。从别人的代码中学到的，plot函数为我绘制轮廓，当我为我的绘图指定3种颜色时，它给了我想要的，但是，如果我使用相同的方式指定密度和角度，所有的绘图都会同时改变。我想给不同的集群不同的纹理。有什么办法可以做到这一点吗？
以下是代码和结果(请忽略低轮廓宽度值)：
dE2 <- dissE^2 #dissimilarity matrix
sw2 <- silhouette(clust.fit$clustering, dE2)
pdf("silhouette plot.pdf")
sil_plot <- plot(sw2
浏览 0提问于2018-05-03得票数 1
2回答
我正在寻找一个算法来排序一个无序的项目列表到树结构中，使用最小数量的"is子“比较操作。
了解一下我的具体情况，但我想我只是在寻找一种我一直找不到的通用排序算法(这是一个很难改进的搜索词)。
我有一个无序的等高线列表，它只是描述封闭多边形的坐标列表。我想要创建一棵树来表示这些等高线之间的关系，例如最外层是根，每个等高线在下一个层次上都是子的，等等。所以每个节点都有一个零到多个子节点的树结构。
该算法的一个关键要求是，确定一个轮廓是否是另一个轮廓子的测试保持在最小，因为这个操作非常昂贵。等高线可以(而且经常)共享许多顶点，但不应该相交。这些共享顶点通常出现在地图极限达到的地方--在地图的
浏览 8提问于2013-11-07得票数 3
回答已采纳
1回答
我是机器学习和数据分析的新手，而且我还在努力将数据聚在一起。我正在处理大约四万个有6个功能的观察。
我尝试了各种聚类方法，包括K均值法、DBSCAN聚类法，并尝试了分层连锁聚类法.在预处理过程中，对丢失的数据进行归一化处理。一旦我完成PCA，将尺寸从4降到6，我的数据看起来就像新月形，下面可以看到蓝点。
我决定，使用10个聚类对K-均值最好是基于轮廓系数分析，这是结果：
在对数据进行聚类后执行PCA时，结果变化不大。
DBSCAN本身决定了4个集群，并给出了4个集群，但是大部分数据都被排除在这些集群之外，并被描述为噪声。
对于分层方法，当尝试执行联动()时，数据使用量过大，
浏览 7提问于2016-06-15得票数 0
回答已采纳
1回答
我需要将地址组合在一起，这些地址位于4公里范围内，并且知道Google地图基于距离的聚类可以用于这一目的，但没有公共图书馆可供使用。还有什么其他的选择。
浏览 1提问于2013-08-25得票数 0
回答已采纳
有人能解释一下epsilon是如何工作的吗？
我就是这么用的。
cv::approxPolyDP(contour, approx, cv::arcLength(contour, true) * precision, true);
作为默认的double precision=0.02。
对我来说没有道理的是，precision越低，形状检测的要求就越低？
例如，如果我正在寻找图像中的矩形轮廓，而不是所有的矩形轮廓被检测到，并且precision被设置为0.5 (更高)，那么检测到的矩形轮廓作为矩形的就更少了。但是，如果我将precision设置为0.01 (较低)，则会检测到更多的矩形轮廓？
不
浏览 9提问于2022-05-16得票数 1
回答已采纳
我正在尝试使用研究领域来查找DBLP V11数据集中的聚类数。 我已经尝试使用doc2vec预训练和word2vec预训练平均，并使用DBSCAN、层次聚类对结果进行聚类，并使用肘部方法、轮廓方法和差距统计获得聚类的数量。 我从这里得到一个或两个集群，因为所有的文章都与计算机科学相关，但我需要找出计算机科学中的子领域的数量。
浏览 16提问于2019-05-22得票数 0
我比较了同一数据集上不同聚类算法的轮廓宽度: k-means，clara和pam。我可以看到哪一个在轮廓宽度上得分最高。但是，我现在是否可以像我们通常使用方差分析那样，从统计上测试解决方案是否彼此不同？
我为我的论文制定了假设，即clara和pam将比k-means给出更有效的结果。我知道它们的轮廓宽度都更高，但我不知道如何从统计上证实/反驳我的假设。
#######4: Behavioral Clustering
##4.1 Kmeans
kmeans.res.4.1 <- kmeans(ClusterDFSBeha, 2)
print(kmeans.res.4.1)
#Ca
浏览 0提问于2019-05-02得票数 2
我们知道R中的聚类方法将观测值分配给最接近的medoid。因此，它被认为是每个观察者可以拥有的最接近的集群。所以，我想知道怎么可能有负值的轮廓，而我们被认为是分配给最近的集群和剪影方法中的公式不能得到负值的每个观察值？
贝纳姆。
浏览 0提问于2016-02-19得票数 1
3回答
我对图像进行了一些操作，以删除白色背景(颜色聚类)，但问题是，在轮廓上，结果并不光滑，正如您在这里看到的：。
你的建议是如何在不模糊整个图像的情况下平滑轮廓？
提前感谢！
浏览 0提问于2018-04-03得票数 0
回答已采纳
1回答
我使用了Network核心应用程序来获取Cytoscape上的无定向网络的基本参数。对各节点的度、中心度、网络直径等参数进行了满意的测量，给出了每个节点的聚类系数为0.0，计算出网络的总体聚类系数为0.0。接下来我要比较我的网络和随机网络，网络效率是我想比较的一个关键指标，以证明我的网络是一个无标度的网络。可能出了什么问题。在我的网络中有361个节点和695个边。任何想法都会受到赞赏。
浏览 1提问于2017-04-19得票数 0
回答已采纳
1回答
使用opencv检测网格的角点
、、、、
因此，我目前正在做一个项目(与学校无关)，其中的一部分涉及到能够检测图片中的网格并将其投影到正方形图像上，这样我们就可以消除图像可能存在的任何倾斜等问题。我现在的问题是，我无法确定图像中的哪些点是网格的角点。我尝试过使用Hough变换，但问题是会生成许多线，包括网格线，因此很难自动确定检测到的哪条线是网格的边。我也试过使用轮廓检测器，它也有类似的问题，尽管它在追踪网格的边缘方面更准确。我无法辨别出哪些等高线属于格网的边缘，以及哪些等高线是网格线或其他等值线
Hough变换结果的屏幕截图：
以及轮廓检测结果的屏幕截图：
。
提前感谢您的帮助或建议。
浏览 0提问于2018-06-26得票数 0
3回答
有没有人能推荐一些可以使用距离矩阵作为输入的聚类算法？或者也可以基于距离矩阵来评估聚类的“好坏”的算法？
目前，我使用的是对Kruskal算法()的修改，将数据分成两个集群。不过，它有一个问题。当数据没有不同的聚类时，算法仍然会创建两个聚类，一个聚类包含一个元素，另一个包含所有其他元素。在这种情况下，我宁愿有一个包含所有元素的集群，而另一个集群是空的。
有没有能够进行这种类型的聚类的算法？
有没有什么算法可以估计聚类完成得有多好，或者更好地估计数据中有多少聚类？
算法应该只使用距离(相似性)矩阵作为输入。
浏览 0提问于2010-05-31得票数 0
回答已采纳
1回答
聚类中的相似矩阵
、、
我正在编写一种聚类算法，这在这中得到了解释。根据本文提出的算法，该算法通过结构相似度和属性相似度进行聚类。
在使用属性相似性进行聚类时，我有问题。我认为，首先用结构相似性聚类，然后在顶点之间用属性相似度划分聚类。但是，我不知道如何找到集群中顶点之间的属性相似性。
该算法在第4页被描述为这里。
浏览 0提问于2016-12-08得票数 -4
1回答
求轮廓上凸点的指标
、、、
我有一个有序点的向量，构成蠕虫的轮廓(与opencv一起发现)。我正试着沿着蠕虫的骨架得到点。我想非常快地做到这一点，因此有一个简单的分段功能：
void Worm::segmentWorm(void)
{
int jump = 5;
int numPoints = wormContour.size();
int currentIndex = headIndex; //large circle in image w/overlay
int endIndex = tailIndex; //small circle in image w/overlay
浏览 6提问于2014-08-07得票数 1
回答已采纳
2回答
给定一个任意的3D网格，我正在寻找一种可以实时执行隐藏线删除的算法。我在OpenGL的上下文中工作，这意味着我们可以利用Z-Buffer。
我猜算法应该包括以下两个问题的解决方案：
1)定义哪些是稍后使用常规OpenGL线条绘制它们的“硬边”。这些“硬边”应该对应于两个相应面之间的夹角大于某个阈值的边。
为了简单起见，让我们声明保证每条边定义的面不超过2个。
“硬边”的计算应该在每个网格上进行一次，即它与视点无关。
2)根据当前视点定义网格轮廓的轮廓。最后，这部分可以使用经典的OpenGL技术(涉及多边形偏移或模板缓冲区)来完成，但最好使用常规的OpenGL线条来绘制轮廓，以保持所有线条的统一
浏览 3提问于2011-06-26得票数 5
回答已采纳
我已经用OpenCV在Python中检测到了六边形的形状。我只想计算它的内部角度--形状是通过轮廓技术和近似来检测的。
浏览 5提问于2018-09-24得票数 1
1回答
我使用了K均值聚类。为了找到K的最佳值，我观察了惯性值对K的变化，以及平均轮廓数对K的变化。惯性图似乎表明数据中有5个簇。然而，平均轮廓数在5达到最小。那么，如何解释这一点呢？如果数据中有5个集群，那么平均轮廓数不应该最大为5(而不是最小)吗？
谢谢
浏览 0提问于2016-04-15得票数 2
1回答
从点集中求四边形的角点
、、、
我试着从一组点中得到四边形的角点。
这组点被排序并描述了一个轮廓。
有时轮廓有一些噪音(见第二张图片)。
搜索到的角点不必是给定的一组点之外的点(见第三张图片左下角)
搜索的角点描述了一个凸四边形，而不一定是一个矩形。
第二张图片有点极端，但我的一组分数的“质量”介于第一张和第二张之间。
首先，我想做一个直方图从超过1-360°和长度，以下两点描述.四个最高的峰将描述每条线的长度。但是当我失去了顺序点，只知道程度和长度或一条线，不知道一条线属于哪个位置。
然后，我想合并两条线，如果它们有或多或少相同的程度，但我不知道如何处理这里的噪音或预测一个角落。
有人
浏览 2提问于2013-03-12得票数 8
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
