我在 Matlab 中有一组 3d 点，但问题是我的数据找到了 here。正如您所看到的，有一些异常值正在影响我的聚类结果。因此，如果有人可以请告诉我如何从我的数据中删除这些异常值。
【问题讨论】：
imdilate 用于 3D 数据吗？如果是这样，也许做一些并选择最大的 3D 连接 blob 是你？
标签： matlab cluster-analysis k-means
查看您的数据后，我认为任何聚类算法都不会满足您的要求。相反，您可能需要训练分类器。这就是 Kinect 人所做的，使用数百万个真实和合成的姿势训练分类器，让它标记四肢、头部等。
我认为基于密度的聚类也不起作用的原因是，您的数据是一个单一的、密度连接的、带有两个盒子形状的主体。但是在不知道什么是“body”和“box”的情况下，分割将是相当随意的。或者在基于密度的聚类的情况下：它根本不会分割，或者它会分割例如通过你的 z 轴的相当低的结果。此外，您的 X 和 Y 轴来自基于网格的图像扫描（我假设），因此您在 X 和 Y 轴上具有非常均匀的密度 - 但例如，手臂的密度并不低于身体或盒子。
但是，您可以使用带有相当广泛（且易于设置）的参数的 DBSCAN 来消除噪声。
例如在ELKI 中，以下参数产生合理的结果：
java -jar elki.jar -dbc.in /tmp/XX.csv -algorithm clustering.DBSCAN \
-dbscan.epsilon 0.05 -dbscan.minpts 100
多数集群是您的数据，已移除异常值；即使去除了脚附近的这个斑点。
为了加快聚类过程，可以添加参数
-db.index tree.spatial.rstarvariants.rstar.RStarTreeFactory \
-pagefile.pagesize 1000 -spatial.bulkstrategy SortTileRecursiveBulkSplit
在此处产生 4.5 秒的运行时 opf。这显然不足以像在 Kinect 上那样进行实时操作；但是，有向分类算法的性能优于无监督方法也就不足为奇了——这实际上是意料之中的。
以下是使用上述参数对数据集进行聚类的结果：
【讨论】：