基于分水岭分割算法的二维散点图聚类方法

最新推荐文章于 2023-06-24 07:05:19 发布

原创

最新推荐文章于 2023-06-24 07:05:19 发布 · 870 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#matlab #矩阵 #聚类

该实验应用分水岭算法和bwdist函数对二维散点图进行距离计算和分类。通过寻找局部最小值确定点的密度，使用正态分布确定阈值，打通高点形成连通域，最终实现散点的聚类。实验代码展示了从计算到聚类的完整过程。

本次实验基于分水岭算法对二维平面散点按照距离进行分类。首先生成一个二维散点图（图BW），然后用bwdist函数计算距离并用分水岭算法对其进行分割。(图RGBclassify_1)可以看到初次分割后的情况。初次分割的目的是间接得到散点图上每个点周围的密度情况。

下图是用bwdist函数计算距离后的三维图像，像山岭和山谷一样。其中的每个凹陷坑就是对应上图中的白点。

要得到点周围的密度情况，需要结合分水岭分割线和bwdist函数计算后的图像，其中分水岭分割线的位置正好对应上图中局部高耸的‘山岭’位置。这些山岭的高低可以代表此处点密度的大小，密度大，则山岭低。所以下一步就是要找到这些山岭的具体值以计算各个点周围的密度情况。这里我只用各个‘山岭’上的最小值作为密度指示值。这部分对应代码中w