Matlab中用于聚类的确定性函数

Question

我一直在使用 Matlab 内置的 kmeans 函数进行聚类。由于算法中使用的随机性，如果我设置不同的种子，结果会有所不同。这有点烦人。有没有办法减少聚类结果的差异？或者，Matlab 中是否有用于聚类的确定性函数？

Answer 1

这很正常。 k-平均算法在每次迭代后创建新的类，因此结果可能不同。 例如：该算法是确定哪个水果是一个有梨的苹果。它可以将一个苹果归类为梨，但是所有的苹果都是梨，而所有的梨都是苹果。

Answer 2

如果你有图像处理工具箱，有使用大津方法的工具，这是确定性的

https://en.wikipedia.org/wiki/Otsu's_method

如果 datain 是您的输入数据：

对于 2 类： threshold = graythresh(datain);

threshold = 将数据分成2类的阈值，归一化为[0,1]

对于多个类： thresholds = multithresh(datain,N);

N = 阈值数

thresholds = 1xN 阈值向量（未标准化）

Answer 3

我想出了一些方法来减少聚类结果的差异。

1. 将 'OnlinePhase','on' 放入 kmeans 的参数中。这将导致局部最小值，通常是全局最小值。
2. 将 'Replicates', 5 放入参数中。这里 5 可以替换为更大的数字。它要求 Matlab 做 5 次 kmeans 并选择最好的结果。
3. 将 'MaxIter', 1000 放入参数中。这会将最大迭代次数从默认的 100 增加到 1000，这可以但不太可能提高准确性。

只要我们以 kmeans 的最佳结果为目标，我们就更有可能获得一致的结果。