我有点（属于图像的特征向量）属于不同的类（我的数据库中有类，这些点分布在它们之间），并且要形成的簇的数量是未知的 . 我正在寻找的是一种聚类算法，它将聚集这些点，使得形成的聚类具有来自每个类的 unique 点 . 通过唯一，我的意思是群集中没有两个点属于同一个类 . 也就是说，如果我有5个类，那么每个集群应该只有5个点;每个来自不同的 class .
在此之后，我想在形成的簇中搜索最密集的簇，以获得来自不同类的相似点（图像） .
我经历过许多聚类算法，但大多数都是通用的，对我没用 . 如果有人可以帮助我解决这个问题，或者通过提供任何可以解决这个问题的有用链接，我将非常感激 .
1 回答
这看起来像一个非常有趣的特殊算法 . 我认为你是对的，标准方法不考虑你提到的这种类型特征/限制 . 在我看来，你应该创建一个新的聚类方法，特别是为您的应用程序 . 但是，没有必要从头开始创建所有内容，因为您可以修改现有方法以合并您的限制 . 例如，k-means的修改意味着在每一步中选择不同类的元素 . 这是算法设计的例子 . 如果您是研究生，请阅读有关群集的信息 . 如果您的领域知识超越了计算机科学/机器学习，请考虑与机器学习专家联系 .