Kein ordnungsgemäßes Kmeans -Clustering von Bildern in Matlab

1. Was ist das Problem mit K-Means Clustering?
2. Können Kmeans für die Bildklassifizierung verwendet werden??
3. Wie überwinden Sie die Einschränkungen des K-Means-Clustering??

Was ist das Problem mit K-Means Clustering?

K-Means hat Probleme mit Clustering-Daten, bei denen Cluster unterschiedliche Größen und Dichte haben. Um solche Daten zu clustern, müssen Sie K-Means wie im Abschnitt Vorteile beschrieben verallgemeinern. Clustering -Ausreißer. Schwerpunkte können von Ausreißern gezogen werden, oder Ausreißer können ihren eigenen Cluster erhalten, anstatt ignoriert zu werden.

Können Kmeans für die Bildklassifizierung verwendet werden??

Ja! K-Means-Clustering kann zur Bildklassifizierung des MNIST-Datensatzes verwendet werden. Hier ist wie. K-Means-Clustering ist ein unbeaufsichtigter Lernalgorithmus, der die Beobachtungen in K-Cluster aufteilt.

Wie überwinden Sie die Einschränkungen des K-Means-Clustering??

Eine Möglichkeit, diese Schwächen zu überwinden, besteht darin, K-Mean-Clustering nur dann zu verwenden, wenn viele Daten verfügbar sind. Um das Problem der Ausreißer zu überwinden, können wir Median statt Mittelwert verwenden. Einige Leute wiesen darauf hin, dass k bedeutet, dass Clustering nicht für andere Art von Daten verwendet werden kann als für quantitative Daten.