我正在尋找一種選擇距離中心最遠的相對大部分點(二維歐幾里德圖)的有效方法。這類似於凸包,但會包含(很多)更多的點。其他條件:在圖形上選擇外點的算法(「富」凸包)
選擇/設置(「K」)中的點數必須在指定範圍內。最有可能它不會很窄,但它最適用於不同的範圍(例如0.01 * N < K < 0.05 * N以及0.1 * N < K < 0.2 * N)。
該算法必須能夠平衡距離中心和「局部密度」的距離。如果在圖形範圍的上部附近有密集區域,但在下部附近有稀疏區域,則算法必須確保從下部選擇一些點,即使它們比上部的點更接近中心地區。 (見下面的例子)
獎勵:而不是簡單的距離中心,考慮到特定點(或點和中心)的距離將是完美的。
我嘗試到目前爲止都集中在使用「對號入座」(圖劃分成CXR箱,分配點基於座標框),然後選擇「外部」複選框,直到我們在設置足夠的積分。但是,我並沒有成功地平衡選擇(因爲固定的盒子大小而過度選擇密集區域),也沒有使用選定的點作爲參考而不是(僅)中心。
我已經(很差)繪製了一個Example:紅點是點,綠色的形狀是我想要的一個例子(綠色=選定的外面)。對於稀疏區域,邊界形狀更接近中心以找到合適的點(但如果它們太靠近中心則不一定會找到任何點)。黃色框是我的Pigeon Holing算法所做的一個例子。即使在嘗試調整稀疏區域時,也不能很好地管理。
歡迎任何想法!
這兩個看起來相當昂貴的計算明智。對這兩種方法的複雜性有何看法? – Gaminic
是的,你是對的 - KDE和alpha形狀方法在計算上都很昂貴。我已經添加了一些額外的想法。 – mattnedrich
謝謝;非常有趣的想法。我會仔細看看每一個,看看我是否可以用啓發式的方式來利用他們的優勢。 – Gaminic