img=cv2.imread('/content/drive/MyDrive/no-fog vs fog/8_8_1.jpg')
Z = img.reshape((-1, 3))
Z = np.array(Z).reshape(1, -1)
whw_df = np.float32(Z)
whw_df = [[i] for i in whw_df]
##KMeans进行选取聚类数目
#分别利用手肘法和轮廓系数对聚类的数目进行探索:
#手肘法
# 利用SSE选择k
whw_SSE = [] # 存放每次结果的误差平方和
for i in range(2, 8): # 尝试要聚成的类数
whw_estimator = KMeans(n_clusters=i) # 构造聚类器
whw_estimator.fit(whw_df) #存入数组(数据的列名标签)
whw_SSE.append(whw_estimator.inertia_)
X = range(2, 8) # 跟k值要一样
fig = plt.figure(figsize=(8,6))
plt.xlabel('聚类数目')
plt.ylabel('SSE')
plt.plot(X, whw_SSE,'o-' )
plt.title("K值在肘关节处最优")
plt.show() # 画出图
想用肘关节法看图片最优聚类 输入维度有问题怎么解决?
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
- 邀请回答
-
2条回答 默认 最新
- MarkHan_ 2023-02-21 13:42关注
该回答引用GPTᴼᴾᴱᴺᴬᴵ
从您提供的代码看,图片已经被读入,reshape 成为 (n_samples, n_features) 的二维数组 Z,再转化为一维数组 whw_df。但是在这里,一维数组 whw_df 中的每个元素又被包装成一个列表,这一步看上去没有必要。因此,可以直接把 whw_df 的元素改成三个维度,即 whw_df = whw_df.reshape(-1, 1, 3)。
此外,聚类算法在图像分割中通常使用 RGB 颜色空间,而不是将每个像素的 R、G、B 三个分量分开考虑。因此,将 Z 按行展平为一维数组后,应该将其转化为一个二维数组,即 Z = img.reshape((-1, 3))。
修改后的代码如下:
img = cv2.imread('/content/drive/MyDrive/no-fog vs fog/8_8_1.jpg') Z = img.reshape((-1, 3)) whw_df = np.float32(Z).reshape(-1, 1, 3) # 利用SSE选择k whw_SSE = [] # 存放每次结果的误差平方和 for i in range(2, 8): # 尝试要聚成的类数 whw_estimator = KMeans(n_clusters=i) # 构造聚类器 whw_estimator.fit(whw_df) # 存入数组(数据的列名标签) whw_SSE.append(whw_estimator.inertia_) X = range(2, 8) # 跟k值要一样 fig = plt.figure(figsize=(8,6)) plt.xlabel('聚类数目') plt.ylabel('SSE') plt.plot(X, whw_SSE,'o-') plt.title("K值在肘关节处最优") plt.show() # 画出图
希望这能解决您的问题。
本回答被题主选为最佳回答 , 对您是否有帮助呢?解决 1无用
悬赏问题
- ¥20 机器学习能否像多层线性模型一样处理嵌套数据
- ¥20 西门子S7-Graph,S7-300,梯形图
- ¥50 用易语言http 访问不了网页
- ¥50 safari浏览器fetch提交数据后数据丢失问题
- ¥15 matlab不知道怎么改,求解答!!
- ¥15 永磁直线电机的电流环pi调不出来
- ¥15 用stata实现聚类的代码
- ¥15 请问paddlehub能支持移动端开发吗?在Android studio上该如何部署?
- ¥20 docker里部署springboot项目,访问不到扬声器
- ¥15 netty整合springboot之后自动重连失效