在 SOM 中收集和组织数据后，如何识别集群？
（项目使用许多特征进行聚合和聚类 - 超过 10 个）
具体来说，我想找到集群的“中心” - 因此给我“中心”节点。
问问题
13524 次
3 回答
6
您可以使用相对较小的地图并将每个节点视为一个集群，但这远非最佳。如果您想应用自动集群检测方法，您绝对应该阅读
并搜索类似的参考书目。
您还可以使用更复杂的 SOM 算法版本（多层次、自增长等）。
无论如何，请记住，找到“正确”数量的集群的问题没有有限的解决方案。
于 2012-10-26T15:11:01.430 回答
4
据我所知，SOM 主要是一种数据驱动的降维和数据压缩方法。所以它不会为你聚集数据；它实际上可能倾向于在投影中散布簇（即将它们分成多个单元格）。
但是，它可能适用于某些数据集：
- 仅在 SOM 节点上工作（由分配给它们的元素数量加权），而不是处理完整的数据集，这应该明显更小
- 与其在原始空间工作，不如在 SOM 所代表的低维空间工作
然后对转换后的数据运行常规聚类算法。
于 2012-10-27T07:36:07.100 回答
3
虽然一个老问题我遇到了同样的问题，并且我已经成功地实现了 Estimating the Number of Clusters in Multivariate Data by Self-Organizing Maps，所以我想我会分享。
链接算法使用 U 矩阵突出显示各个集群的边界，然后使用称为分水岭的图像处理算法来识别组件。为了使其正常工作，u 矩阵中的区域需要在量化的分辨率范围内是凹的（当转换为二进制图像时，只会导致使用填充来识别区域）。
于 2014-06-18T10:55:55.000 回答