K-means聚类，主要理解问题

Question

假设我们有一个64dim矩阵来聚类，让我们说矩阵数据集是dt = 64x150。

从vl_feat的库中使用其kmeans功能，我将我的数据集聚集到20个中心：

[centers, assignments] = vl_kmeans(dt, 20);

centers是64x20矩阵。

assignments是1x150矩阵，其中包含值。

根据手册：矢量分配包含输入数据到集群的（硬）分配。

我仍然无法理解矩阵assignments中的那些数字是什么意思。我根本得不到它。有人介意帮我一点吗？一个例子或一些东西会很棒。这些值代表什么呢？

Answer 1

在k-means中，您要解决的问题是将150点聚类为20个群集的问题。每个点都是64维点，因此由大小为64的向量表示。因此，在您的情况下，dt是点集，每列都是64维向量。

运行算法后，您会获得centers和assignments。 centers是64维度空间中集群中心的20个位置，如果您想要将其可视化，测量点和集群之间的距离等，另一方面，“分配”包含每个的实际分配。 dt中的64点暗淡点。因此，如果assignments[7]为15，则表示dt中的第7个向量属于第15个群集。

例如，您可以在此处看到许多2d点的聚类，让我们说1000成为3个聚类。在这种情况下，dt将为2x1000，centers将为2x3，作业将为1x1000，并且保留的数字范围为1到{ {1}}（或3至0，如果您使用2）

修改的： 生成此图像的代码位于：http://pypr.sourceforge.net/kmeans.html#k-means-example以及有关pyPR的kmeans教程。

Answer 2

在openCV中，它是每个输入点所属的簇的编号