特徴空間のクラスタリング
未だにFFTに手をつけてない・・・
FFT処理を施した後の周波数画像とかが載っているサイトがあるんですが、あれはどうやって作ってるんだろう。
実数部(虚数部)のみを使う訳にはいかないはずだし・・・
とりあえず、今日はクラスタリングをしました
下のような特徴空間上の点を

下のようにいくつかのクラスタにグループ分けする

使用したのはNN法。ニアリーネイバーメソッド。
1, 1番最初の点から半径rのクラスタをつくる
2, i番目の点(i > 1)からは、今までに出来たクラスタ内にあれば、そのクラスタに属する
3, どのクラスタ内にもなければ、その点を中心として半径rのクラスタをつくる
まぁ、どうってことない内容ですね
問題としては、入力した点の順番によって、クラスタリングの仕方が変わる所
位置的には複数のクラスタに属する点がありますが、プログラム上、作成した順番が早いほうのクラスタに属する事になります
K-平均法の法が高性能だったりします
画像認識とかでクラスタリングは使われるんですが、クラスタリングの前に認識する画像を特徴空間へプロットすることが一番の問題だったりするんじゃないかな~
○、△、□を認識したい時に『そのモノの大きさ』みたいな要素を使っちゃ駄目だろうしね
どうするんだろ?『角の数』とかにするんだろうか・・・・
こんどK-平均法をやってみます
FFT処理を施した後の周波数画像とかが載っているサイトがあるんですが、あれはどうやって作ってるんだろう。
実数部(虚数部)のみを使う訳にはいかないはずだし・・・
とりあえず、今日はクラスタリングをしました
下のような特徴空間上の点を

下のようにいくつかのクラスタにグループ分けする

使用したのはNN法。ニアリーネイバーメソッド。
1, 1番最初の点から半径rのクラスタをつくる
2, i番目の点(i > 1)からは、今までに出来たクラスタ内にあれば、そのクラスタに属する
3, どのクラスタ内にもなければ、その点を中心として半径rのクラスタをつくる
まぁ、どうってことない内容ですね
問題としては、入力した点の順番によって、クラスタリングの仕方が変わる所
位置的には複数のクラスタに属する点がありますが、プログラム上、作成した順番が早いほうのクラスタに属する事になります
K-平均法の法が高性能だったりします
画像認識とかでクラスタリングは使われるんですが、クラスタリングの前に認識する画像を特徴空間へプロットすることが一番の問題だったりするんじゃないかな~
○、△、□を認識したい時に『そのモノの大きさ』みたいな要素を使っちゃ駄目だろうしね
どうするんだろ?『角の数』とかにするんだろうか・・・・
こんどK-平均法をやってみます