我一直在阅读有关相似性度量和图像特征提取的文章；大多数论文都将 k-means 称为一种良好的统一聚类技术，我的问题是，是否有任何替代 k-means 聚类对特定集合表现更好的替代方法？
问问题
2963 次
2 回答
6
你可能想看看 MeanShift 聚类，它比 K-Means 有几个优点：
- 不需要预设数量的集群
- K-Means 簇收敛到 n 维 voronoi 网格，MeanShift 允许其他簇形状
MeanShift 在 OpenCV 中以 CAMShift 的形式实现，CAMShift 是一种用于跟踪视频序列中对象的 MeanShift 适配。
如果您需要更多信息，可以阅读这篇关于 MeanShift 和计算机视觉的优秀论文： Mean shift: A robust approach to feature space analysis
于 2011-10-13T17:44:27.923 回答
1
简单的第一步，您可以将 k-means 推广到 EM。但是有大量可用的聚类方法，您需要的聚类类型取决于您的数据（特征）和应用程序。在某些情况下，即使您使用的距离也很重要，因此可能必须进行某种距离转换，如果它不在您希望它所在的那种空间中。
于 2011-10-28T07:30:37.583 回答