- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我有一个简单但非常有趣的问题。如您所知,由于随机初始聚类中心,Kmeans 在每次运行后可能会给出不同的结果。但是,假设我知道簇 1 的平均值小于簇 2,簇 2 的平均值小于簇 3,依此类推。我想做一个算法来实现聚类具有较小的平均值,然后将其分配给较小的聚类索引。
这是我的 Matlab 代码。如果您有更多分类或更清晰的方法。请给我建议
%% K-mean
num_cluster=2;
nrows = size(Img_original,1);
ncols = size(Img_original,2);
I_1D = reshape(Img_original,nrows*ncols,1);
[cluster_idx mu]=kmeans(double(I_1D),num_cluster,'distance','sqEuclidean','Replicates',3);
cluster_label = reshape(cluster_idx,nrows,ncols);
%% Sort based on mu
[mu_sort id_sort]=sort(mu);
idx=cell(1,num_cluster)
%% Save index of order if mu
for i=1:num_cluster
idx{i}=find(cluster_label==id_sort(i));
end
%% Sort cluster label based on mu
for i=1:num_cluster
cluster_label(idx{i})=i;
end
最佳答案
我不清楚您为什么要根据每个质心的顺序重新标记集群。您可以简单地使用 k-means 输出的标记向量来引用每个点属于哪个簇/质心。
尽管如此,您必须对质心进行排序的最初想法是一个很好的想法。代码的最后一部分似乎效率很低,因为您要遍历每个标签并进行重新分配。我可能建议的一件事是有一个查找表,其中输入是原始标签,输出是基于排序质心的重新排序的标签。
如果您想走这条路线,可以使用 containers.Map
其中键是根据 sort
输出的排序顺序给出的标签,值是重新排序的标签……即从 1 到您拥有的类数的向量。您需要这样做,因为 sort
的第二个输出告诉您原始数组中的每个值将出现在排序结果中的什么位置,因此您必须使用此排序来正确执行重新标记。此外,我会使用 sortrows
MATLAB 中的函数,而不是原始的 sort
。通过您的操作方式,您正在独立地对每个列/变量 进行排序,这将给出错误的质心。这将适用于你只需要考虑一个特征的灰度图像,即灰度,但如果你超越灰度并且可能进入 RGB 或任何你想要的颜色空间,使用原始 sort
会给你不正确的结果。您需要将每一行视为一个点,然后对这些行进行联合排序。
给定你的代码,你会做这样的事情:
%% K-mean
num_cluster=2;
nrows = size(Img_original,1);
ncols = size(Img_original,2);
I_1D = reshape(Img_original,nrows*ncols,1);
[cluster_idx mu]=kmeans(double(I_1D),num_cluster,'distance','sqEuclidean','Replicates',3);
%% Sort based on mu
[mu_sort id_sort]=sortrows(mu);
%// New - Create lookup
lookup = containers.Map(id_sort, 1:size(mu_sort,1));
%// Relabel the vector
cluster_idx_sort = lookup.values(num2cell(cluster_idx));
cluster_idx_sort = [cluster_idx_sort{:}];
%// Reshape back to original image dimensions
cluster_label = reshape(cluster_idx_sort,nrows,ncols);
这应该会给您的代码带来一些加速。
为了仔细检查,我在 cameraman.tif
图像上尝试了这个,它是图像处理工具箱的一部分。运行代码给我这些聚类中心:
>> mu
mu =
153.3484
23.7291
一旦我按升序对簇进行排序,这就是我得到的排序和质心:
>> mu_sort
mu_sort =
23.7291
153.3484
>> id_sort
id_sort =
2
1
所以这按我们预期的那样工作......现在如果我们在对质心进行排序之前显示原始集群标签图:
cluster_label = reshape(cluster_idx, nrows, ncols);
imshow(cluster_label,[]);
...我们得到这张图片:
现在,如果我们运行排序逻辑并显示质心:
imshow(cluster_label, []);
...我们得到这张图片:
这如我所料。因为质心翻转了,所以着色也应该翻转。
关于algorithm - 基于聚类均值对 kmeans 中分割图像的标签进行排序,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/32097758/
我想获取每一行某些列的平均值。 我有此数据: w=c(5,6,7,8) x=c(1,2,3,4) y=c(1,2,3) length(y)=4 z=data.frame(w,x,y) 哪个返回:
类似于Numpy mean with condition我的问题将其扩展到对矩阵进行操作:计算矩阵 rdat 的行均值,跳过某些单元格 - 在本例中我使用 0 作为要跳过的单元格 - 就好像这些值从一
我有一个数据集,其中的列标题为产品名称、品牌、评级(1:5)、评论文本、评论有用性。我需要的是提出一个使用评论的推荐算法。我这里必须使用 python 进行编码。数据集采用.csv 格式。 为了识别数
我在 R^3 中有 n 个点,我想用 k 个椭球体或圆柱体覆盖它们(我不在乎;以更容易的为准)。我想大约最小化卷的并集。假设 n 是数万,k 是少数。开发时间(即简单性)比运行时更重要。 显然我可以运
我创建了一个计算均值、中位数和方差的程序。该程序最多接受 500 个输入。当有 500 个输入(我的数组的最大大小)时,我的所有方法都能完美运行。当输入较少时,只有“平均值”计算器起作用。这是整个程序
我已经完成了距离的计算并存储在推力 vector 中,例如,我有 2 个质心和 5 个数据点,我计算距离的方法是,对于每个质心,我首先计算 5 个数据点的距离并存储在阵列,然后与距离一维阵列中的另一个
下面的代码适用于每一列的总数,但我想计算出每个物种的平均值。 # Read data file into array data = numpy.genfromtxt('data/iris.csv',
我有一个独特的要求,我需要两个数据帧的公共(public)列(每行)的平均值。 我想不出这样做的 pythonic 方式。我知道我可以遍历两个数据框并找到公共(public)列,然后获取键匹配的行的平
我把它扔在那里,希望有人会尝试过这种荒谬的事情。我的目标是获取输入图像,并根据每个像素周围小窗口的标准差对其进行分割。基本上,这在数学上应该类似于高斯或盒式过滤器,因为它将应用于编译时(甚至运行时)用
有没有一种方法可以对函数进行向量化处理,使输出成为均值数组,其中每个均值代表输入数组的 0 索引值的均值?循环这个非常简单,但我正在努力尽可能高效。例如0 = 均值(0),1 = 均值(0-1),N
我正在尝试生成均值为 1 的指数分布随机数。我知道如何获取具有均值和标准差的正态分布随机数。我们可以通过normal(mean, standard_deviation)得到它,但是我不知道如何得到指数
我遇到了一段 Python 代码,它的内容类似于以下内容: a = np.array([1,2,3,4,5,6,7]) a array([1, 2, 3, 4, 5, 6, 7]) np.mean(a
我有两个数组。 x 是独立变量,counts 是 x 出现的次数,就像直方图一样。我知道我可以通过定义一个函数来计算平均值: def mean(x,counts): return np.sum
我有在纯 python 中计算平均速度的算法: speed = [...] avg_speed = 0.0 speed_count = 0 for i in speed: if i > 0:
我正在尝试计算扩展窗口的平均值,但是数据结构使得之前的答案至少缺少一点所需的内容(最接近的是:link)。 我的数据看起来像这样: Company TimePeriod IndividualID
我正在尝试实现 Kmeans python中的算法将使用cosine distance而不是欧几里得距离作为距离度量。 我知道使用不同的距离函数可能是致命的,应该小心使用。使用余弦距离作为度量迫使我改
有谁知道自组织映射 (SOM) 与 k 均值相比效果如何?我相信通常在颜色空间(例如 RGB)中,SOM 是将颜色聚类在一起的更好方法,因为视觉上不同的颜色之间的颜色空间存在重叠( http://ww
注意:我希望能得到更多有关如何处理和提出此类解决方案的指南,而不是解决方案本身。 我的系统中有一个非常关键的功能,它在特定上下文中显示为排名第一的分析热点。它处于 k-means 迭代的中间(已经是多
我有一个 pandas 数据框,看起来像这样: 给定行中的每个值要么是相同的数字,要么是 NaN。我想计算数据框中所有两列组合的平均值、中位数和获取计数,其中两列都不是 NaN。 例如,上述数据帧的结
任何人都知道如何调整简单的 K 均值算法来处理 this form 的数据集. 最佳答案 在仍然使用 k-means 的同时处理该形式的数据的最直接方法是使用 k-means 的内核化版本。 JSAT
我是一名优秀的程序员,十分优秀!