组合循环中的 k-means 簇的结果答案

【问题标题】：combine results of k-means cluster which is in loop组合循环中的 k-means 簇的结果
【发布时间】：2018-11-19 11:22:52
【问题描述】：

我有 kmeans 集群，它必须将数据分成 2 个集群。这个过程在一个循环中继续，直到它达到一个条件。所以，最后我可能会得到 20 个集群。我这样做是因为我不想分配特定数量的集群。所以它必须继续分成2。

我想知道如何在 Matlab 中做到这一点？我正在使用循环，但问题是在组合数据后我必须更改簇号。有没有什么功能可以自己做，而不是我分配新的簇号？

以下示例可以是其中一种方法。可能还有其他方法。没关系，只要给出聚类组合的结果即可。 例如：* 第一个循环：1 2 2 1 2 1 1

第二个循环：（它会采用第一个聚类并将其聚类为 2 个集合，然后将其与之前的结果相结合）

[1 1 1 1] cluster into 2 set=> [1 1 2 1]=> 与前一个循环 [1 1 3 1] 结合（它选择 3，因为我们已经有 cluster 2）

它将再次占用（子集群的）第一个集群：

[1 1 1] 后簇 => [1 1 2] => 与前一个循环 [1 1 3 4] 结合这里有一个例子：

我的代码：

[IDX,C,SUMD] = SpectralClustering(G, k); % k is two
.
.
.
if Wav > w % Wav is average weight of cluster

            Gi = subgraph(G, IDX==1); % IDX is cluster number 
            Ctemp = union(Ctemp, SpectralClustering(Gi, k)); % k is 2
 else
            Ctemp = union(Ctemp, IDX);
 end

C = Ctemp;

【问题讨论】：

如果您发布 minimal reproducible example 而不是我们只是猜测您所做的事情会容易得多。
@beaker，我补充了，现在好吗？
您是在问如何将数字聚类到每个聚类？
如果您为集群的每个“层”赋予唯一的组名，您就不必跟踪哪些整数已用于其他分支中的标签。例如1：2为第一层，11：12为第二层组1，111：112为第三层，11的分支等
@DMR，谢谢，但我不知道我有多少。因为有条件要检查。

标签： matlab cluster-computing

【解决方案1】：

正如我在评论中提到的，如果集群标签源自父集群，则它们将是唯一的：

function [clusters] =  clusterExample(data, parentCluster)

% On each level, cluster data into two clusters based on value relative to
% quantiles (AKA the median, when k = 2)

% Stop clustering if the ratio of the standard deviation of the cluster
% to the mean of the cluster is  <= .1 
% This is an arbitary stopping rule for this example
k = 2;

cutOffPoint = quantile(data, (1 / k));

clusters = nan(1, length(data));
clusters(data <= cutOffPoint) = (parentCluster * 10) + 1;
clusters(data > cutOffPoint) =  (parentCluster * 10) + 2;
clusterLabels = unique(clusters);
for g = clusterLabels
   clusterIdx = clusters == g;
   clusterMean = mean(data(clusterIdx));
   clusterSD = std(data(clusterIdx));
   if (clusterSD / clusterMean) > .1
       clusters(clusterIdx) = clusterExample(data(clusterIdx), g);
   end
end

使用中：

data = rand(1,100);
startCluster = 0;
clusters = clusterExample(data, startCluster);

每个生成的集群的 SD 都在集群平均值的 10% 以内（本示例使用任意停止规则）。

【讨论】：