Die Verbesserung der k-means-clustering
Meine lecture notes on computer vision erwähnen, dass die Leistung der k-means-clustering-Algorithmus kann verbessert werden, wenn wir wissen, dass die Standardabweichung der Cluster. Wie so?
Mein denken ist, dass wir verwenden können, die standard-Abweichungen zu kommen mit einer besseren Schätzung durch die Histogramm basierte Segmentierung ersten. Was denkst du? Vielen Dank für jede Hilfe!!!
Du musst angemeldet sein, um einen Kommentar abzugeben.
Ihrer Dozentin /Ihrem Dozenten haben könnte, die 2002 Papier von Veenman et al in den Sinn. Die grundlegende Idee ist, dass Sie die maximale Varianz, die Sie erlauben in jedem cluster. Beginnen Sie mit so viele Cluster wie Daten-Punkte und dann "entwickeln" - Cluster von
(diese Entwicklung wirkt wie eine Globale Optimierung der Verfahren und verhindert die bösen Folgen der anfänglichen Zuordnung des Clusters, das heißt, Sie haben in k-means)
Zu summieren, wenn Sie wissen, die Varianz, Sie wissen, wie unterschiedlich die Cluster werden soll, so ist es einfacher, um z.B. zu erkennen, Ausreißer (die in der Regel sollte gesetzt werden in separaten Clustern).