0
我正在分析图像,需要一个快速的聚类算法,搜索最大中心的中心。二维聚类算法
样本数据集可能是这样的:
$x = array(6,9,7,0,0,0,4,0,0,6,6,3);
正如你看到有数组中的3个集群。
我正在查找的结果是具有最高总和的聚类中心的数组位置。 在上面的例子中,这将是1,因为$x[1]
是最大集群6 + 9 + 7(= 22)的中心。
任何想法?
我正在分析图像,需要一个快速的聚类算法,搜索最大中心的中心。二维聚类算法
样本数据集可能是这样的:
$x = array(6,9,7,0,0,0,4,0,0,6,6,3);
正如你看到有数组中的3个集群。
我正在查找的结果是具有最高总和的聚类中心的数组位置。 在上面的例子中,这将是1,因为$x[1]
是最大集群6 + 9 + 7(= 22)的中心。
任何想法?
无论你走到哪里,你都必须至少走过一次阵列。下面的算法在一次传递中没有任何额外的排序/搜索 - 虽然我承认它仍然可能不是最有效的。请注意,如果最大群集的元素数量是偶数,那么它将返回“较低”的中点(例如,对于索引为0,1,2,3的群集,它将返回1) - 这可以很容易地进行调整在最后一行计算中($mid = ...
)。
$input = array(6,9,7,0,0,0,4,0,0,6,6,3);
$clust = array(0, 0, 0);
$st = -1;
$sum = 0;
for($i=0; $i<count($input); $i++) {
if($input[$i] == 0) {
if($i == 0) {
continue;
}
elseif($input[$i - 1] == 0) {
continue;
}
else {
if($clust[2] < $sum) {
$clust = array($st, $i - 1, $sum);
}
}
}
else {
if($i == 0 || $input[$i - 1] == 0) {
$st = $i;
$sum = 0;
}
$sum += $input[$i];
}
}
if(end($input) != 0 && $clust[2] < $sum) {
$clust = array($st, $i - 1, $sum);
}
if($clust[2] > 0) {
$mid = (int)(($clust[1] - $clust[0])/2);
echo $clust[0] ."->". $mid ."->" . $clust[1] ." = ". $clust[2];
}
else {
echo "No clusters found";
}
中间簇7是怎样的? –
第一停靠位:http://en.wikipedia.org/wiki/K-means_clustering –
@Russel Dias - 对不起,这是一个错字应该是4 – jantimon