Algorithm 一种自定义聚类算法

我有一组向量。向量分为三类，即：。A、 B和C。现在，我需要根据以下标准对它们进行聚类：

每个簇中应至少有1个向量，最多有3个向量

每个簇中的所有向量应为不同类型。i、 一个簇不应包含2个或更多相同类型a、B或C的向量

如果这里是一个包含一组向量的簇，那么任意两个向量之间的距离（比如欧氏距离）小于预定义的阈值T

如果集群包含2个或更多向量（当然最多3个），则这些向量中的一个必须为a型

---

是否有任何现有的算法来执行这种类型的聚类？假设我需要从头开始做这件事，那么需要遵循哪些步骤来根据上述条件对向量进行聚类？

您可以使用约束引擎解决这类问题。类似这样的东西包括对您列出的所有约束的支持（以及优化，因为我猜如果您有歧义，您想要最少数量的集群？）

我不是choco方面的专家，但如果这对我在学习时有所帮助的话（这些都是关于约束解决的，但我昨晚进行了优化，很快就会添加更多）。有一个明确的学习曲线，但对于这种复杂的东西，我认为学习所需的时间不会比自己编写解决方案所需的时间更长（然后在将来，您将拥有一个新的通用工具，而不是一堆非常具体的代码）

---

choco并不是独一无二的，还有很多这样的东西。

您可以使用约束引擎来解决这类问题。类似这样的东西包括对您列出的所有约束的支持（以及优化，因为我猜如果您有歧义，您想要最少数量的集群？）

我不是choco方面的专家，但如果这对我在学习时有所帮助的话（这些都是关于约束解决的，但我昨晚进行了优化，很快就会添加更多）。有一个明确的学习曲线，但对于这种复杂的东西，我认为学习所需的时间不会比自己编写解决方案所需的时间更长（然后在将来，您将拥有一个新的通用工具，而不是一堆非常具体的代码）

---

choco并不是唯一的——还有很多这样的——我认为你必须有一个未说明的标准，因为你可以通过将每个向量放在一个单独的簇中来满足给定的标准。您只是想最小化集群的数量吗？还有，总共有多少个向量？将每个向量放在不同的簇中？你能帮我澄清一下吗？我总共有大约5000、10000和12000个a、B和C型向量。根据给出的数字，27000个集群满足您的标准。5000有一个a，10000有一个B，12000有一个C。如果a型向量和B型向量之间的欧氏距离小于“T”，则这两个向量属于一个簇。那么它将是26999个集群。这就是我的意思：）（对不起，如果没有表达清楚的话）。这些向量需要根据它们的欧几里德距离进行分组——条件是，如果一个簇中有2个或更多向量，那么簇中应该有一个a型主向量。在我的用例中，这个主向量实际上是一种参考/父向量，B和C类型的其他向量是成对的。我想你一定有一个未说明的标准，因为你可以通过把每个向量放在一个单独的簇中来满足给定的标准。您只是想最小化集群的数量吗？还有，总共有多少个向量？将每个向量放在不同的簇中？你能帮我澄清一下吗？我总共有大约5000、10000和12000个a、B和C型向量。根据给出的数字，27000个集群满足您的标准。5000有一个a，10000有一个B，12000有一个C。如果a型向量和B型向量之间的欧氏距离小于“T”，则这两个向量属于一个簇。那么它将是26999个集群。这就是我的意思：）（对不起，如果没有表达清楚的话）。这些向量需要根据它们的欧几里德距离进行分组——条件是，如果一个簇中有2个或更多向量，那么簇中应该有一个a型主向量。在我的用例中，这个主向量实际上是一种参考/父向量，B和C类型的其他向量是成对的。希望现在一切都清楚了。谢谢安德鲁。还有一个类似的简单问题：如果我有一组向量，我如何对它们进行聚类，使得在每个聚类中，任意两个向量之间的欧氏距离小于一个阈值？因此，在最后，可能存在不属于任何簇的向量。你知道现有的算法吗？谢谢安德鲁。还有一个类似的简单问题：如果我有一组向量，我如何对它们进行聚类，使得在每个聚类中，任意两个向量之间的欧氏距离小于一个阈值？因此，在最后，可能存在不属于任何簇的向量。你知道现有的算法吗？