引言在之前的一篇文章中，我介绍了基于聚类的图像分割，在这一篇文章中，我会介绍另一种图像分割的方法–基于图的图像分割。具体用到的方法是谱聚类。OK, 我们先来简单了解一下谱聚类。谱聚类（spectral clustering)首先我们需要明确一点，谱聚类虽然是一种聚类的模型，但是事实上，它的设计初衷确是解决一个关于切割图的问题，因此它的算法也是从图论中演化而来的。具体来说，它的主要思想就是将所有的数
转载
2024-01-25 18:51:23
150阅读
# Python画聚类图谱
聚类分析是一种常见的数据分析技术，它可以将相似的数据点归为同一类，从而帮助我们更好地理解数据的结构。在这篇文章中，我们将学习如何使用Python实现聚类分析，并用可视化的方式展示聚类结果。
## 聚类的基本概念
聚类分析的核心思想是将数据集中的对象进行分组，使得同一组内部的对象相似度高，而不同组之间的对象相似度低。应用场景包括市场细分、社交网络分析等。
###
原创
2024-09-04 03:28:19
71阅读
1写在前面最近在画热图(heatmap)时，遇到一个问题，就是如果画热图时导入的基因过多，基因名就会重叠在一起，根本没法看，非常影响颜值。? 这里提供一种基于ComplexHeatmap的解决方案，大家往下看吧。?2用到的包rm(list = ls())
library(tidyverse)
library(circlize)
library(ComplexHeatmap)3示例数据这里我们随机生
# 有向网络的平均聚类系数
随着网络科学的快速发展，如何衡量网络中节点间的连接性成为研究的热点之一。平均聚类系数是一个重要的指标，用于描述节点相互连接的紧密程度。在这篇文章中，我们将探讨有向网络的平均聚类系数，并提供一个Python代码示例来计算这一指标。
## 什么是平均聚类系数？
聚类系数是指一个节点的邻居中实际形成的边与可能形成的边的比值。简单来说，聚类系数越高，说明节点的邻居之间连接
原创
2024-10-09 05:53:59
554阅读
1. 知识图谱生命周期 从行业知识图谱的全生命周期来看，可以分为知识建模，知识获取，知识融合，知识存储，知识计算和知识应用6个部分。1.1 知识建模 知识建模即建立知识图谱的模式层（也称本体层、动态本体层），行业知识图谱依托于模式层对整个知识图谱的结构进行定义，因此需要保证可靠性。 通常采用两种方法：一种是自顶向下的方法，专家手工编辑形成数据模式；另一种是自底向上的方法，基于行业现有的标准
转载
2024-10-01 21:53:46
291阅读
概述知识图谱定义，包含概念、实例、分类、属性、事实。知识图谱分类有 4大类、人工构建、基于维基构建、网页获取、融合多方面知识（包括众包、手工、维基构造）其中维基类中的Wikipedia 百度百科 互动百科属于 半结构化 知识图谱而 dbpedia yago babelnet wikidata xlore cn-dbpedia 属于结构化 知识图谱CYC句法：常量cyc 中包含有很多常量，如图中所示
上篇k-means算法却是一种方便好用的聚类算法，但是始终有K值选择和初始聚类中心点选择的问题，而这些问题也会影响聚类的效果。为了避免这些问题，我们可以选择另外一种比较实用的聚类算法-层次聚类算法。顾名思义，层次聚类就是一层一层的进行聚类，可以由上向下把大的类别（cluster）分割，叫作分裂法；也可以由下向上对小的类别进行聚合，叫作凝聚法；但是一般用的比较多
转载
2023-12-01 19:11:52
51阅读
基于层次的聚类算法（Hierarchical Clustering）当不知道应该分为几类时，使用层次聚类比较适合。层次聚类会构建一个多层嵌套的分类，类似一个树状结构。可以选择一个聚类数量，根据需求对树状图中画一条水平线,得到对应的聚类。但层次聚类法容易受到噪声和数据维度过高的影响。自底向上的聚类从点作为个体簇开始，迭代时每一步合并两个最接近的簇，直到所有样本合并为一簇。算法步骤：每个样本点自成一类
转载
2023-12-25 06:26:56
67阅读
聚类是机器学习中一种重要的 无监督算法，它可以将数据点归结为一系列特定的组合。理论上归为一类的数据点具有相同的特性，而不同类别的数据点则具有各不相同的属性。在数据科学中聚类会从数据中发掘出很多分析和理解的视角，让我们更深入的把握数据资源的价值、并据此指导生产生活。基于不同的学习策略，聚类算法可分为多种类型：K均值算法(K-means)k-means算法是一种简单的迭代型聚类算法，采用距离作为相似性
转载
2023-08-25 16:31:47
151阅读
同时考虑每个视图的误差矩阵，这种方法能够准确地识别数据点的聚类结构，即使在数据质量参差不齐的情况下也能表现良好。在数据科学领域，多视图谱聚类
原创
2024-08-03 22:14:48
67阅读
本文完成程序及测试数据集详细见：https://github.com/HanXia001/k-means-python3-本文主要内容： 1.k-means解决的问题； 2.k-m
转载
2024-08-14 11:39:26
13阅读
划分聚类Kmeans原理(1)任意选择k个对象作为初始的簇中心；(2)根据距离（欧式距离）中心最近原则，将其他对象分配到相应类中；(3) 更新簇的质心，即重新计算每个簇中对象的平均值；(4) 重新分配所有对象，直到质心不再发生变化 调包实现import time
import pandas as pd
from sklearn import preprocessing
da
转载
2023-07-28 13:11:42
219阅读
聚类算法分类：(1)划分聚类算法:也称为基于距离的聚类算法，此类算法中，簇的数量是随机选择的或最初给定的。属于这一类的算法有K-Meansl，PAM，CLARANSI等。K-means聚类算法的不足之处在于它要多次扫描数据库，此外，它只能找出球形的类，而不能发现任意形状的类。还有，初始质心K的选择对聚类结果有较大的影响，该算法对噪声很敏感。划分方法具有线性复杂度，聚类的效率高的优点。然而，由于它要
转载
2024-02-29 10:46:39
48阅读
尽管基于划分的聚类算法能够实现把数据集划分成指定数量的簇，但是在某些情况下，需要把数据集划分成不同层上的簇：比如，作为一家公司的人力资源部经理，你可以把所有的雇员组织成较大的簇，如主管、经理和职员；然后你可以进一步划分为较小的簇，例如，职员簇可以进一步划分为子簇：高级职员，一般职员和实习人员。所有的这些簇形成了层次结构，可以很容易地对各层次上的数据进行汇总或者特征化。另外，使用基于划分的聚类算法(
转载
2024-06-28 07:38:10
98阅读
菜鸟一枚，编程初学者，最近想使用Python3实现几个简单的机器学习分析方法，记录一下自己的学习过程。关于KMeans算法本身就不做介绍了，下面记录一下自己遇到的问题。一 、关于初始聚类中心的选取 初始聚类中心的选择一般有：（1）随机选取（2）随机选取样本中一个点作为中心点，在通过这个点选取距离其较大的点作为第二个中心点，以此类推。（3）使用层次聚类等算法更新出初
转载
2023-07-20 14:40:48
152阅读
分层聚类，又称层次聚类、系统聚类，顾名思义是指聚类过程是按照一定层次进行的。数据分析过程中如果需要按变量（标题）聚类，那么此时就应该使用分层聚类，并且结合聚类树状图进行综合判定分析。比如当前有8个裁判对于300个选手进行打分，试图想对8个裁判进行聚类，以挖掘出裁判的打分偏好风格类别情况，此时则需要进行分层聚类。分层聚类的基本思想是：在聚类分析的开始，每个样本（或变量）单独作为一组，然后按照某种方法
转载
2024-05-12 17:55:20
180阅读
k-means 聚类接下来是进入聚类算法的的学习，聚类算法属于无监督学习，与分类算法这种有监督学习不同的是，聚类算法事先并不需要知道数据的类别标签，而只是根据数据特征去学习，找到相似数据的特征，然后把已知的数据集划分成几个不同的类别。比如说我们有一堆树叶，对于分类问题来说，我们已经知道了过去的每一片树叶的类别。比如这个是枫树叶，那个是橡树叶，经过学习之后拿来一片新的叶子，你看了一眼，然后说这是枫树
转载
2023-08-20 23:25:47
175阅读
python实现层次聚类
层次聚类(Hierarchical Clustering)一.概念 层次聚类不需要指定聚类的数目，首先它是将数据中的每个实例看作一个类，然后将最相似的两个类合并，该过程迭代计算只到剩下一个类为止，类由两个子类构成，每个子类又由更小的两个子类构成。如下图所示：二.合并方法在聚类中每次迭代都将两个最近的类进行合并，这个类间的距离计
转载
2023-06-19 14:40:48
179阅读
阅读前提：了解K-means算法了解Python基本语句知道什么是txt文件code需要当前目录下添加一个city.txt文件。#coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
#从磁盘读取城市经纬度数据
X = []
f = open('cit
转载
2023-08-30 15:09:29
100阅读
一、python代码'''
Author: Vici__
date: 2020/5/13
'''
import math
'''
Point类，记录坐标x，y和点的名字id
'''
class Point:
'''
初始化函数
'''
def __init__(self, x, y, name, id):
self.x = x # 横坐标
转载
2023-07-18 13:43:45
90阅读
