1
在大學我當然有圖像的某些功能（如文本文件）。我必須根據它們的多樣性對這些圖像進行排名＃聚類圖像的評估分集（Weka的？）
我想到的想法是提供一個帶有圖像的k-means分類器，然後計算從一個集羣內的圖像到集羣中心的euclidian距離。然後在集羣之間進行旋轉，並始終將（接近）最接近圖像作爲中心。即，最接近質心1，然後最接近質心2，然後3 ...，然後第二接近質心1,2,3等等。
第一個問題：這會是一個聰明的方法嗎？或者我在錯誤的道路上？
第二個問題：我有點困惑。我想我會把數據提供給Weka，它會告訴我「嘿，如果我是你，我會把這些數據分成7個集羣」，或者類似的東西。我的意思是，它可以給我一些關於我需要的集羣的信息。相反，要使用simplekmeans，我應該事先知道我將使用多少個羣集......我怎麼可能知道這些？
一個例子說明我的意思：讓我們說我有3個單色圖像：淡藍色，藍色，紅色。我認爲Weka會注意到2個藍色是相似的，並將它們聚集在一起。
順便說一句我對Weka是一種新鮮感（正如你可能已經看到的那樣），所以如果你能提供一些我想migrate使用哪些函數的信息（以及爲什麼：P），我將不勝感激！ 謝謝！
這是什麼（最好形式上）的意思是「我有排名的圖像根據其多樣性「？我有一些想法，但有了這個想法，我不明白爲什麼多個集羣... – bartoszukm
想象一下，你在網站中檢索它們：你輸入查詢「顏色」。在上面的例子中，你想要的是藍色圖像，然後是紅色，然後是淺藍色（就像紅色必須在兩者之間）。每個集羣代表一個「多樣性」。如果我也是'綠色'，那會是一個更多的羣體。但是，如果我有'堰紅 - 紫'，那麼它可能會進入紅色羣集。然後我的結果應該是這樣的：紅色 - 藍色 - 綠色 - 淡藍色 - 奇怪的紅色紫色 – PLB
然後「我必須」是錯誤的。我基本上可以做我想做的事情。但他們建議我們使用k-means聚類，所以我認爲這是一種方法。 反正t.b.h.這是一個小組的工作，也許我的一個朋友找到了解決方案。不過，我仍然有興趣知道什麼是「好方法」。 – PLB