Identifizieren Cluster in der SOM (Self Organizing Map)

Einmal habe ich gesammelt und organisiert Daten in einer SOM-wie erkenne ich Clustern?

(Items aggregiert und gruppiert mit vielen Eigenschaften - nach oben von 10)

Speziell möchte ich finden der 'Mitte' der cluster - dafür, dass Sie mir den 'center' - Knoten(s).

InformationsquelleAutor Wallter | 2012-10-25
  1. 6

    Könnte man eine relativ kleine Karte und betrachten jeden Knoten ein cluster, aber das ist bei weitem nicht optimal. Wenn Sie möchten, um eine automatische cluster-detection-Methode sollten Sie auf jeden Fall Lesen

    Das Clustering der Self−Organizing Map

    und suchen Sie ähnliche Bibliographie.

    Können auch komplexere Versionen des SOM-Algorithmus (multi gelevelt, selbst-Anbau, etc).

    In jedem Fall halten Sie im Verstand, dass das problem der Suche nach der "richtigen" Anzahl der Cluster nicht über eine endliche Lösung.

    • Es gibt clustering-algorithmen, die nicht brauchen, zu wissen, die Anzahl der Cluster. Sie müssen nur etwas moderner als k-means und hierarchisches clustering.
    • was kann man grundsätzlich zwei Schritte: erstellen und trainieren der som. Und dann, cluster in der SOM, die entweder auf eine statische Anzahl von Clustern oder dynamische Anzahl von Clustern.
    • was meinst du mit "cluster in der SOM"? Ich dachte, dass durch das training einer SOM, müssen Sie gruppierten/ Reduzierung der Dimensionen der Daten. Dank
    InformationsquelleAutor pater
  2. 4

    Soweit ich das beurteilen kann, SOM ist in Erster Linie ein Daten-getrieben dimensionsreduktion und Daten Kompression Methode. So wird es nicht cluster die Daten für Sie, es kann sogar dazu neigen, zu verbreiten Cluster in der Projektion (d.h. teilen Sie diese in mehrere Zellen).

    Jedoch, es kann Arbeit gut für einige Datensätze entweder:

    • Anstelle der Verarbeitung der vollständige Datensatz, arbeiten nur auf der SOM-Knoten (gewichtet mit der Anzahl der Elemente, die Ihnen zugewiesen sind), die deutlich kleiner
    • Anstatt zu arbeiten, in den ursprünglichen Raum, die Arbeit in den niedriger-dimensionalen Raum, der das SOM stellt

    Und führen Sie dann eine reguläre clustering-Algorithmus auf die verwandelt Daten.

    InformationsquelleAutor Anony-Mousse
  3. 3

    Zwar eine alte Frage, auf die ich gestoßen bin, das gleiche Problem und ich habe einige ist der Erfolg der Umsetzung Die Schätzung der Anzahl von Clustern in Multivariaten Daten durch Self-Organizing Maps, so dass ich dachte, ich würde Aktie.

    Den verlinkten Algorithmus verwendet, der U-matrix markieren die Grenzen der einzelnen Cluster und verwendet dann ein Bildverarbeitungs-Algorithmus genannt watershedding zum identifizieren der Komponenten. Damit dies korrekt funktioniert, die Regionen in der u-matrix sind erforderlich, um konkav in die Auflösung der Quantisierung (die bei der Konvertierung in ein binäres Bild, einfach die Ergebnisse mit einem Füll die Regionen zu bestimmen).

    InformationsquelleAutor Lanting
Schreibe einen Kommentar