问题标签 [cluster-analysis]

我正在尝试根据身体部位之间的角度对一些图像进行聚类。

从每张图像中提取的特征是：

因此输入数据是一个大小为 1057x10 的矩阵，其中 1057 代表图像数量，10 代表身体部位与躯干的角度。类似地，测试集是 821x10 矩阵。

我希望输入数据中的所有行都用 88 个集群进行聚类。那我就用这些集群来查找TestData属于哪些集群呢？

在之前的工作中，我使用了非常简单的 K-Means 聚类。我们只是要求 K-Means 将数据聚类到 88 个聚类中。并实现另一种方法，计算测试数据中每一行与每个集群中心之间的距离，然后选择最小值。这是相应输入数据行的集群。

我有两个问题：

1. 是否可以在 MATLAB 中使用SOM来做到这一点？AFAIK SOM 用于视觉聚类。但是我需要知道每个集群的实际类，以便以后可以通过计算它属于哪个集群来标记我的测试数据。

2. 你有更好的解决方案吗？

我需要对一组二维数据进行一些聚类分析（我可能会在此过程中添加额外的维度）。

分析本身将形成输入可视化的数据的一部分，而不是输入到另一个过程（例如径向基函数网络）。

为此，我想找到一组主要“看起来正确”的集群，而不是阐明一些隐藏的模式。

我的直觉是，k-means将是一个很好的起点，但是找到合适数量的集群来运行算法是有问题的。

我要解决的问题是：

如何确定 k的“最佳”值， 以使形成的集群稳定且可视觉验证？

问题：

• 假设这不是 NP 完全的，那么找到一个好的k的时间复杂度是多少。（可能以运行 k-means 算法的次数报告）。
• k-means 是这类问题的一个很好的起点吗？如果是这样，您会推荐哪些其他方法。一个由轶事/经验支持的具体例子是 maxi-bon。
• 您会推荐哪些捷径/近似值来提高性能。

我正在使用内置的模糊 c 均值算法在 matlab 中对一些数据进行聚类，该算法返回 C 聚类中心，U 模糊分区矩阵。所以我知道 C 中的集群中心是什么，但我如何才能确定每个数据点属于哪个集群中心？使用模糊分区矩阵或其他方式？

我需要对一些文本文档进行聚类，并且一直在研究各种选项。看起来 LingPipe 可以在没有事先转换（到向量空间等）的情况下聚集纯文本，但它是我见过的唯一明确声称可以处理字符串的工具。

有没有可以直接聚类文本的 Python 工具？如果没有，处理这个问题的最佳方法是什么？

我一直在研究k-means clustering，不清楚的一件事是你如何选择 k 的值。这只是一个反复试验的问题，还是有更多的问题？

这是扩展问题：帮助对二进制文件格式进行逆向工程的工具

是否有任何公开可用的工具使用集群和/或数据挖掘技术对文件格式进行逆向工程？

例如，使用该工具，您将拥有一组具有相同格式的文件，并且该工具的输出将是通用结构？

我正在阅读我可以从 lucene 索引创建 mahout 向量，该索引可用于应用 mahout 聚类算法。 http://cwiki.apache.org/confluence/display/MAHOUT/Creating+Vectors+from+Text

我想在我的 Lucene 索引中的文档中应用 K-means 聚类算法，但目前尚不清楚如何应用此算法（或层次聚类）来提取具有这些文档的有意义的聚类。

在这个页面http://cwiki.apache.org/confluence/display/MAHOUT/k-Means 说该算法接受两个输入目录：一个用于数据点，一个用于初始集群。我的数据点是文件吗？我如何“声明”这些是我的文档（或它们的向量），只需将它们拿走并进行聚类？

提前为我糟糕的语法道歉

谢谢

我有两个数据集群，每个集群都有 x，y（坐标）和一个值来知道它的类型（1 class1，2 class 2）。我已经绘制了这些数据，但我想用边界（视觉上）分割这些类。做这种事情的功能是什么。我尝试了轮廓，但没有帮助！

我想在 Perl 中实现的 QT 集群实现有问题。

以“识别集”开头的行，倒数第三行，是我无法弄清楚的部分。

全文可在此处获得。

我正在使用 OpenCV 库中的函数 cvKMeans2() 进行聚类。它具有可选参数：
centers -集群中心的可选输出数组
相同的参数也在函数 kmeans() 中。

我想知道有关集群的信息。但是我还没有找到数组中那个簇中心的类型，所以我无法得到它。

感谢您的任何建议！