基于 k 均值质心的聚类答案

【问题标题】：clustering on the base of k means centroid基于 k 均值质心的聚类
【发布时间】：2017-09-24 20:37:16
【问题描述】：

我有 1500 名患者肺部的图像，我正在尝试对它们应用 kmean 来解决我的问题。我的问题是，我想对一名患者（有 230 张图像）应用 k 均值，然后保存该患者的质心，我想根据该质心对其他患者应用 kmeans。这是matlab代码。 [idx,C] = kmeans(data,80) 现在，我有 C，但我应该怎么做才能使用它并将这个质心也应用到其他图像上？

这是我的数据的样子，我根据这些图像的直方图进行聚类。

Img1   histogram with 16 bins
Img2   Histo gram with 16 bins
Img3   // // // // // // //
Img4   // / / / // /// // / 
 .
 .
 .

任何教程或任何可能有帮助的东西，请提出建议。谢谢。

【问题讨论】：

标签： matlab cluster-analysis k-means

【解决方案1】：

在Kmeans 中，每个点的成员资格由最近的中心确定。因此，在获得中心之后，您可以通过检查它们与每个中心的距离来继续关联更多点。在 matlab 中，您可以使用 pdist2 轻松完成：

dim = 2;
n = 100;
% generate two data sets
data1 = rand(n,dim);
data2 = rand(n,dim);
% computing membership & clusters using kmeans on data1
k = 5;
[idx1,C] = kmeans(data1,k);
% computing membership using pairwise distance on data2
D = pdist2(data2,C);
[~,idx2] = min(D,[],2);
% plot centers
scatter(C(:,1),C(:,2),100,1:k,'*')
hold on
% plot data1
scatter(data1(:,1),data1(:,2),30,idx1,'filled')
% plot data2
scatter(data2(:,1),data2(:,2),30,idx2)
legend('centers','data1','data2')

如果您愿意，您甚至可以使用 Voronoi 图绘制成员限制：

voronoi(C(:,1),C(:,2));

【讨论】：