Loading [MathJax]/jax/input/TeX/config.js

开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >问答首页 >寻找建议的聚类技术

问寻找建议的聚类技术
EN

Stack Overflow用户

提问于 2018-03-22 13:18:53

回答 1查看 97关注 0票数 0

我有一系列(比方说1000)生物sample...living细胞的图像。在这个系列中，每个像素的数据将描述一个时变的“波”，如果你愿意的话，给出光强度与时间的度量。在对此波执行FFT后，我将得到每个像素的频率内容和相位。

我的目标是能够找到所有测量单个单元格的像素，并且想知道某种聚类技术是否会给我带来我想要的东西。在对KMeans、DBSCAN和其他几个方面进行了一些研究(我对集群分析几乎一无所知)之后，我不知道如何继续下去。

以下是我的标准：

集群应该由连接的像素组成，最大大小约为9-12像素(这是由视图中单元格的实际大小定义的)。在集群中放置更多像素可能意味着集群包含多个单元格，我希望每个集群表示单个单元格。
这些细胞正在以某种频率/相位发出信号(发光)。这些不一定是同步的，所以我认为这可能对分隔单元/集群很有用。
每个图像中有一个未知数量的单元，所以一个不知道的簇数。
这些图像被分割成较小的子图像进行分析(原因在这里并不相关)。将对这些子图像进行聚类分析。子图像约为100×100像素.

如有任何建议，将不胜感激。我只是在找人帮我找到正确的方向。

cluster-analysis

hierarchical-clustering

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2018-03-25 02:03:07

最灵活的可能是经典的旧分层聚集聚类 (HAC)。出于某种原因，人们总是忽视这一强大的方法，而更喜欢有限的手段。

HAC是非常好的参数化。它需要距离或相似性(这里的小要求可能是对称的，但不需要三角不等式)。有了这个链接，你就可以很好地控制集群的形状或直径。例如，使用完全链接，您可以控制集群的最大直径。这可能是有用的，我的建议。

HAC的主要缺点是(1)可伸缩性:在50.000个实例中，它将缓慢使用过多的内存，当然，(2)您需要知道您想要做什么:您需要选择距离、链接和减少树状图。使用k-方法，您只需选择k就可以得到(坏的)结果。

DBSCAN是一个很好的算法，但在您的例子中，它可能会形成多个单元格的集群。因此，我宁愿尝试光学，它可能能够发现DBSCAN只看到一个大点的子结构。

票数 0

EN

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/49438653

复制

相关文章

聚类-层次聚类（谱系聚类）算法

层次聚类（Hierarchical Clustreing）又称谱系聚类，通过在不同层次上对数据集进行划分，形成树形的聚类结构。很好体现类的层次关系，且不用预先制定聚类数，对大样本也有较好效果。

唔仄lo咚锵

2022/11/30

5.1K0

聚类-层次聚类（谱系聚类）算法

【技术分享】快速迭代聚类

腾讯云 TI 平台机器学习机器学习平台人工智能

在分析快速迭代聚类之前，我们先来了解一下谱聚类算法。谱聚类算法是建立在谱图理论的基础上的算法，与传统的聚类算法相比，它能在任意形状的样本空间上聚类且能够收敛到全局最优解。谱聚类算法的主要思想是将聚类问题转换为无向图的划分问题。

腾讯云TI平台

2019/07/04

8980

各种聚类算法的介绍和比较「建议收藏」

聚类算法编程算法数据分析 linux

聚类就是按照某个特定标准(如距离准则)把一个数据集分割成不同的类或簇，使得同一个簇内的数据对象的相似性尽可能大，同时不在同一个簇中的数据对象的差异性也尽可能地大。即聚类后同一类的数据尽可能聚集到一起，不同数据尽量分离。

全栈程序员站长

2022/07/31

6.6K0

各种聚类算法的介绍和比较「建议收藏」

【数据挖掘】聚类算法简介 ( 基于划分的聚类方法 | 基于层次的聚类方法 | 基于密度的聚类方法 | 基于方格的聚类方法 | 基于模型的聚类方法 )

数据挖掘聚类算法对象模型数据

③ 基于密度的聚类方法 : DBSCAN ( Density-Based Spatial Clustering of Applications with Noise ) ;

韩曙亮

2023/03/27

2.9K0

【数据挖掘】聚类算法简介 ( 基于划分的聚类方法 | 基于层次的聚类方法 | 基于密度的聚类方法 | 基于方格的聚类方法 | 基于模型的聚类方法 )

层次聚类与聚类树

average graph sorting

在生态学研究当中，有些环境中的对象是连续（或者离散）的，而有些对象是不连续的，聚类的目的是识别在环境中不连续的对象子集，从而探索隐藏在数据背后的属性特征。聚类分析主要处理那些对象有足够的相似性被归于一组，并且确定组与组之间的差异或分离程度。聚类可以分为特征聚类（Vector Clustering）和图聚类（Graph Clustering）。特征聚类是指根据对象的特征向量矩阵来计算距离或者相关性来实现聚类，例如各种层次聚类和非层次聚类。而图聚类则针对的是复杂网络数据，有随机游走、贪心策略、标签传播等算法等。

SYSU星空

2022/05/05

1.5K0

聚类算法之层次聚类

缓存编程算法

层次聚类(Hierarchical Clustering)是聚类算法的一种，通过计算不同类别的相似度类创建一个有层次的嵌套的树。

Ewdager

2020/07/14

2.9K0

聚类算法之DBSCAN聚类

数据分析聚类算法编程算法

DBSCAN （Density-Based Spatial Clustering of Applications with Noise）是一种基于密度的聚类算法，基于密度的聚类寻找被低密度区域分离的高密度区域。常用于异常值或者离群点检测。

Ewdager

2020/07/14

3.4K0

KMeans()类提供了fit(), predict()等8个方法供数据拟合、预测等使用。在利用肘部法则确定K值时需要建立聚类效果的指标，这时长长会用到求解两个向量之间距离的cdist()方法。格式如下：

爱编程的小明

2022/09/05

1K0

R聚类算法-层次聚类算法

编程算法 r 语言

本文介绍了层次聚类算法的基本概念、原理、方法和应用。层次聚类算法是一种基于树形结构的聚类方法，包括距离矩阵计算、数据转换、聚类树构建和剪枝等步骤。该算法可以自动处理大规模数据集，但计算量较大，且结果不稳定。在实际应用中，需要根据数据特点和需求选择合适的聚类算法。

Erin

2018/01/09

1.6K0

聚类(Clustering) hierarchical clustering 层次聚类

1、（初始化）把每个样本归为一类，计算每两个类之间的距离，也就是样本与样本之间的相似度；

foochane

2019/05/23

1.4K0

聚类(Clustering) hierarchical clustering 层次聚类

凝聚层次聚类，DBSCAN聚类(1)

凝聚层次聚类：初始每个对象看成一个簇，即n个簇，合并最相似的两个簇，成（n-1）个簇，重复直到一个簇

一口盐汽水

2020/11/17

1.9K0

K-means聚类：原理简单的聚类算法

聚类算法编程算法机器学习监督学习数据分析

对于监督学习而言，回归和分类是两类基本应用场景；对于非监督学习而言，则是聚类和降维。K-means属于聚类算法的一种，通过迭代将样本分为K个互不重叠的子集。

生信修炼手册

2021/03/25

2.6K0

K-means聚类：原理简单的聚类算法

「R」层次聚类和非层次聚类

https 网络安全数据库 sql

在这个分析中，我们将看到如何创建层次聚类模型。目的是探索数据库中是否存在相似性组，并查看它们的行为。

王诗翔呀

2022/01/21

1.5K0

机器学习-层次聚类（谱系聚类）算法

机器学习 data 函数数据算法

层次聚类（Hierarchical Clustreing）又称谱系聚类，通过在不同层次上对数据集进行划分，形成树形的聚类结构。很好体现类的层次关系，且不用预先制定聚类数，对大样本也有较好效果。

唔仄lo咚锵

2023/05/23

1.9K0

机器学习-层次聚类（谱系聚类）算法

聚类算法 ---- 大数据聚类算法综述

聚类算法编程算法大数据 spark https

随着数据量的迅速增加如何对大规模数据进行有效的聚类成为挑战性的研究课题，面向大数据的聚类算法对传统金融行业的股票投资分析、互联网金融行业中的客户细分等金融应用领域具有重要价值，本文对已有的大数据聚类算法，以及普通聚类算法做一个简单介绍

流川疯

2021/12/06

1.5K0

聚类算法 ---- 大数据聚类算法综述

机器学习（7）——聚类算法聚类算法

机器学习编程算法无监督学习

聚类算法前面介绍的集中算法都是属于有监督机器学习方法，这章和前面不同，介绍无监督学习算法，也就是聚类算法。在无监督学习中，目标属性是不存在的，也就是所说的不存在“y”值，我们是根据内部存在的数据特征，划分不同的类别，使得类别内的数据比较相似。我们对数据进行聚类的思想不同可以设计不同的聚类算法，本章主要谈论三种聚类思想以及该聚类思想下的三种聚类算法。666 本章主要涉及到的知识点有： “距离” K-Means算法几种优化K-Means算法密度聚类算法思想：“物以类聚，人以群分” 本节首先通过聚类算法

DC童生

2018/04/27

3.7K0

机器学习（7）——聚类算法聚类算法

无监督：聚类与改进聚类详解

聚类：聚类就是将相似的对象聚在一起的过程。如总统大选，选择那部分容易转换立场的表决者，进行针对性的宣传，可以扭转局势。聚类将相似的对象归到同一簇中，相似取决于相似度度量方法。 K-means聚类，可能收敛到局部最小值，在大规模数据集上收敛较慢。 K-means聚类：首先，随机确定k个初始点作为质心，将数据集中的每个点分配到一个簇中，即选择一个最近的质心进行分配，而后每个簇的质心更新为该簇所有点的平均值。直到类间距离足够大，类内距离足够小。随机初始化质心时，必须找到数据集的边界，通过找到数

微风、掠过

2018/04/10

9870

算法：密度聚类(Density-Based Spatial Clustering of Applications with Noise，DBSCAN)是依据样本分布的紧密程度来确定聚类结构。文献：Bi, F. M. , Wang, W. K. , & Long, C. . (2012). Dbscan: density-based spatial clustering of applications with noise. Journal of Nanjing University(Natural Sciences), 48(4), 491-498.

裴来凡

2022/05/29

5020

聚类算法编程算法

核心对象：若某个点的密度达到算法设定的阈值则其为核心点。（即邻域内点的个数不少于minPts）

小石头

2022/11/10

5960

寻找消失的类名

应用安全开发

前几天有个朋友问了我一个新手问题，frida提示：找不到 p009cn.com.chinatelecom.gateway.lib.C1402a 这个类

奋飞安全

2022/07/22

1K0

相似问题

聚类分层聚类技术

12

聚类方法的建议

14

QtLocation标记聚类技术

141

寻找合适的聚类算法

12

寻找有效的聚类算法

20

添加站长进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例

社区富文本编辑器全新改版！诚邀体验～

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验