在对Matlab进行聚类之前，从一组3d点中移除异常值

我在Matlab中有一组3d点，但问题是我的数据被发现了。正如您所看到的，有一些异常值正在影响我的聚类结果。因此，如果有人能告诉我如何从我的数据中删除这些异常值。

查看了您的数据后，我认为任何聚类算法都不能满足您的要求。相反，您可能需要训练分类器。这就是Kinect的工作人员所做的，他们使用数百万真实和合成姿势训练分类器，让它标记四肢、头部等

我认为基于密度的聚类也不起作用的原因是，您的数据是一个单一的、密度相连的实体，带有两个长方体形状的blob。但在不知道“身体”和“盒子”是什么的情况下，分割将是相当随意的。或者在基于密度的聚类的情况下：它根本不会分段，或者它将分段，例如，通过z轴相当低的结果。此外，X轴和Y轴来自基于栅格的图像扫描（我假设），因此X轴和Y轴上的密度非常均匀-但例如，手臂的密度不低于身体或盒子

但是，您可以使用具有相当广泛（且易于设置）的参数的DBSCAN来消除噪声

例如，在以下参数中产生合理的结果：

java -jar elki.jar -dbc.in /tmp/XX.csv -algorithm clustering.DBSCAN \
-dbscan.epsilon 0.05 -dbscan.minpts 100

多数群集是删除了异常值的数据；即使脚部附近的斑点被清除了

要加快聚类过程，可以添加参数

-db.index tree.spatial.rstarvariants.rstar.RStarTreeFactory \
-pagefile.pagesize 1000 -spatial.bulkstrategy SortTileRecursiveBulkSplit

这将产生4.5秒的运行时opf。这显然不足以实现Kinect上的实时操作；但是，看到一个定向分类算法比一个无监督的方法有更好的表现并不奇怪——事实上这是意料之中的

以下是使用上述参数对数据集进行聚类的结果：

---

下载了数据，现在正在观看并怀疑那是僵尸还是什么哈哈！哦，该死的，很抱歉我的评论；）只是一个想法-他们是否有用于3D数据的

imdeplate

？如果是这样的话，也许可以做一些，然后选择最大的3D连接blob来做你？我猜你需要打电话给波士顿你有没有考虑过使用基于密度的聚类，它对异常值的鲁棒性更高？（它将以“噪音”的形式返回它们）。我不认为k-means的结果会令人信服，即使你去除了异常值。