我有一组对象
现在我希望对这些对象执行无监督聚类。经过一些搜索,我发现谱聚类(Spectral Clustering)可能是一个不错的选择,因为它处理这种成对距离的情况。
然而,在仔细阅读其描述后,我发现它不适用于我的情况,因为它需要作为输入的群集数量。在聚类之前,我不知道群集的数量。必须由算法在执行聚类时找出,就像DBSCAN一样。 考虑到这些,请建议适合我情况的一些聚类方法,其中:
{obj1,obj2,obj3,...,objn}
。我已经计算了所有可能对之间的成对距离。这些距离存储在一个n*n
矩阵M
中,其中Mij
是obji
和objj
之间的距离。因此,自然而然地看到M
是一个对称矩阵。现在我希望对这些对象执行无监督聚类。经过一些搜索,我发现谱聚类(Spectral Clustering)可能是一个不错的选择,因为它处理这种成对距离的情况。
然而,在仔细阅读其描述后,我发现它不适用于我的情况,因为它需要作为输入的群集数量。在聚类之前,我不知道群集的数量。必须由算法在执行聚类时找出,就像DBSCAN一样。 考虑到这些,请建议适合我情况的一些聚类方法,其中:
- 所有成对距离都可用。
- 群集的数量未知。