寻找建议的聚类技术
提问于 2018-03-22 13:18:53
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。
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。
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
腾讯云开发者
