Python 单链路聚类

我正在寻找一种使用OpenCV进行单链接聚类的方法。我的设想：

• 数百（可能数千）个特征向量（向量维度最多可达800个特征）
• 未知数量的簇（可能远低于向量的数量）
• 固定相似性阈值

  E

  -如果两个向量之间的l1范数小于

  E

  ，则向量应位于同一簇中
• 我不需要一个紧凑的集群。也就是说，我不需要集群中的所有向量彼此在

  E

  之内。这可能导致长“链”而不是集群，但我同意这一点

我试着使用K-means，但是因为我不知道集群的数量，所以它在这里并不适用。我可以做迭代K-means并寻找最好的K，但这听起来效率很低。在OpenCV中是否有更合适的聚类算法可以在这里使用

理想情况下，我需要类似的东西，因为这是我目前试图实现的论文中引用的内容。我的选择是直接实现SLINK（由于调试和测试，这是一项任务），或者寻找一个执行类似操作的现有算法

---

有什么建议吗？

我建议根据你的相似度阈值和发现构建一个图表。一旦构建了图形，查找连接的组件将非常容易和高效。如果您愿意，我已经有了一个连接的组件。

我自己完成了一个实现：

import cv
def main():
    import sys
    x = cv.Load(sys.argv[1])
    epsilon = float(sys.argv[2])
    y = cv.CloneImage(x)
    labels = range(x.height)
    tmp = cv.CreateImage((x.width, 1), x.depth, x.nChannels)
    for i in range(x.height):
        cv.SetImageROI(x, (0, i, x.width, 1))
        for j in range(i+1, x.height):
            cv.SetImageROI(y, (0, j, x.width, 1))
            cv.AbsDiff(x, y, tmp)
            dist, _, _, _ = cv.Avg(tmp)
            if dist < epsilon:
                for k, lbl in enumerate(labels):
                    if lbl == j:
                        labels[k] = i

    for i, lbl in enumerate(labels):
        print i, lbl

if __name__ == '__main__':
    main()

导入cv
def main（）：
导入系统
x=cv.Load（系统argv[1]）
epsilon=float（sys.argv[2]）
y=克隆图像cv（x）
标签=范围（x高度）
tmp=cv.CreateImage（（x.width，1），x.depth，x.nChannels）
对于范围内的i（x.高度）：
cv.SetImageROI（x，（0，i，x.宽度，1））
对于范围内的j（i+1，x.高度）：
cv.SetImageROI（y，（0，j，x.宽度，1））
cv.AbsDiff（x、y、tmp）
距离，，，，=cv.Avg（tmp）
如果距离<ε：
对于k，枚举中的lbl（标签）：
如果lbl==j：
标签[k]=i
对于i，枚举中的lbl（标签）：
打印i，lbl
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
main（）

---

x

是包含

N

向量的

nxm

矩阵。向量的维数是

M

。它基本上使用L1范数比较每对向量，如果它们的差异小于

epsilon

，则认为一对向量是相同的。这个算法非常慢--

O（N^3）

，但目前对我来说已经足够好了。

SLINK和简单的分层聚类之间的关键区别是加速。IIRC，

SLINK

是

O（n^2）

。您可能想看看这是如何实现的。然而，层次聚类是一种古老而非常幼稚的技术。它不能很好地处理噪音。您可能想尝试使用

DBSCAN

。谢谢您的评论。我看了那张秘密报纸。正如你提到的，加速是一个优势。另一个是，您不需要将整个连接矩阵存储在内存中（您可以一个接一个地传递值，前提是它采用特殊的排列方式）。事实上，我最终还是按照@Avaris的建议做了。它工作得很好。如果我再回到这个问题上来，我会看看DBSCAN。