0
我觉得这不会太难。我知道hclust()
和cutree()
,但是如何获得质心的坐标,其中距离它的点距离是否高于给定的半径?我知道质心范围内的点可能已经属于不在范围内的质心。我很好。作为dclust
高度不排序将R中的给定半径内的点合并为质心
set.seed(1)
data <- matrix(runif(100),ncol=2)
plot(data)
dclust <- hclust(dist(data),method="centroid")
cutree(dclust,h=0.1)
cutree(...,h=0.1)
就已经失败。
这听起来更像是k-均值聚类而不是层次聚类。您可以递增地增加k,直到从某点到其群集质心的最差距离在您选择的半径内。 – flodel
您需要更具体地了解您正在尝试做什么。 kmeans()函数可能是你想要的,但是质心位置(和质心的数量)是来自数据还是独立于数据?观察结果能否与集群无法匹敌?如果您始终可以添加质心(群集),那么您可以设置所需的任何最差距离,包括零! kmeans()也不会给出唯一的结果,除非您在开始时提供质心。如果质心来自您的数据,则可能有多种解决方案。 – dcarlson
我们不要谈论观察。我有一些来自OpenStreetMap的数据和两个或更多街道彼此相遇的节点坐标。由于在短距离内有许多上述节点的交叉点(我们人类可以看到它们)(想象一条街道与另一条路线分开),我想要一个表示可视化节点的点。 –