在网格上聚类矩形

Question

我正在尝试根据视觉接近度对网页内容进行聚类。 您可以在下面的链接上看到块的视觉显示 http://i.stack.imgur.com/qzGKE.png

我尝试使用带有以下功能的 DBSCAN 集群和 sckikit-learn，但没有取得多大成功： - 块的左 X 坐标（因为内容经常左对齐） - 块的右 X 坐标（因为内容经常右对齐） - 块的顶部 Y 坐标（进一步关闭块）

你知道更好的功能吗

Answer 1

看看 Generalized DBSCAN（虽然在 scipy 中不可用）。

当对象重叠或几乎重叠（1 像素）时，如何将对象聚集在一起？

请参阅：DBSCAN 并没有真正使用距离。它仅基于二进制“足够接近”的决定。

另请注意，DBSCAN 不限于向量。 DBSCAN 可以处理任何可以定义“足够相似”谓词的东西。

因此您可能不需要“提取特征”，而是考虑何时希望两个对象位于同一个集群中。