ClusteringComponents

ClusteringComponents[array]

给出一个数组，其中 array 中最低层的每个元素被一个表示该元素所在的连接的前景元件的整数索引所替代.

ClusteringComponents[array,n]

找到 n 个聚类.

ClusteringComponents[array,n,level]

找到 array 中指定层的聚类.

ClusteringComponents[image]

找到 image 中类似像素的最多的聚类.

ClusteringComponents[image,n]

在 image 中找到 n 个聚类.

更多信息和选项

范例

打开所有单元关闭所有单元

基本范例  (3)

标记列表中值的两个聚类：

标记字符串向量：

MR 图像的聚类分析：

范围  (10)

矩阵中值的聚类：

给出图像中的颜色聚类：

给出三维图像的聚类：

嵌套列表的聚类变换：

给出第二层列表的聚类：

给出第一层列表的聚类：

通过指定大量的聚类找出重复的部分：

标记矩阵中的聚类：

布尔值列表的聚类：

布尔值向量列表的聚类：

选项  (13)

CriterionFunction  (1)

生成一些数据并可视化：

使用 CriterionFunction 的不同设置给出两个聚类的情况下的聚类标记结果：

比较数据的两个聚类：

DistanceFunction  (1)

缺省情况下，EditDistance 被用来对字符串列表进行聚类分析：

使用 HammingDistance 根据相异字符的个数来进行聚类分析：

FeatureExtractor  (1)

找到图像列表的聚类分量：

创建一个自定义的 FeatureExtractor 来提取特征：

查看由此得出的特征：

使用 FeatureExtractor 找到新的聚类分量：

查找新的聚类：

FeatureNames  (1)

用 FeatureNames 命名特征，并在后面的规范中用它们的名称进行指代：

FeatureTypes  (1)

用 FeatureTypes 强制特征的解释：

与假定标称特征所得结果进行比较：

Method  (5)

生成正态分布数据并绘制直方图：

使用 "GaussianMixture" 方法给出数据的聚类标记：

可视化相应的聚类分析结果：

使用 k-medoids 方法给出字符串列表的聚类标记：

查看所得聚类分析结果：

用不同方法给出图像的颜色聚类：

使用 "NeighborhoodContraction" 方法及其子选项给出图像的颜色聚类：

用 "Spectral" 方法及其子选项给出图像的颜色聚类：

PerformanceGoal  (1)

生成 500 个长度为 1000 的随机数值向量：

计算它们的聚类并将其定为标准操作：

把 PerformanceGoal 设为 "Quality" 执行同样的操作：

RandomSeeding  (1)

在 2 维中生成 500 个随机数值向量：

多次计算聚类并比较结果：

通过更改 RandomSeeding 选项多次计算聚类，并比较结果：

Weights  (1)

获取数值数据的聚类标记结果：

查看改变每个数字的权重后聚类标记的变化：

应用  (2)

在利用 Perona–Malik 滤波器进行平滑处理后，对显微图像进行颜色分割：

图像的二值分割：

属性和关系  (3)

ClusteringComponents 给出聚类指数数组，而 FindClusters 返回聚类列表：

把 ClusteringComponents 的结果转换成相似元素的分区：

FindClusters 给出同样的结果：

把 FindClusters 的结果转换成聚类指数的列表：

ClusteringComponents 给出同样的结果：

可能存在的问题  (1)

当输入的子集的均值不属于输入空间时，不能使用 "KMeans" 方法：

Wolfram Research (2010)，ClusteringComponents，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ClusteringComponents.html （更新于 2022 年）.

文本

Wolfram Research (2010)，ClusteringComponents，Wolfram 语言函数，https://reference.wolfram.com/language/ref/ClusteringComponents.html （更新于 2022 年）.

CMS

Wolfram 语言. 2010. "ClusteringComponents." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2022. https://reference.wolfram.com/language/ref/ClusteringComponents.html.

APA

Wolfram 语言. (2010). ClusteringComponents. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/ClusteringComponents.html 年

BibTeX

@misc{reference.wolfram_2024_clusteringcomponents, author="Wolfram Research", title="{ClusteringComponents}", year="2022", howpublished="\url{https://reference.wolfram.com/language/ref/ClusteringComponents.html}", note=[Accessed: 21-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_clusteringcomponents, organization={Wolfram Research}, title={ClusteringComponents}, year={2022}, url={https://reference.wolfram.com/language/ref/ClusteringComponents.html}, note=[Accessed: 21-November-2024 ]}