图像分割-无监督聚类分割
https://blog.csdn.net/ycy0706/article/details/90439245
(1) kmeans
1.聚类簇数K没有明确的选取准则，但是在实际应用中K一般不会设置很大，可以通过枚举法，比如令K从2到10。其实很多经典方法的参数都没有明确的选取准则，如PCA的主元个数，可以通过多次实验或者采取一些小技巧来选择，一般都会达到很好的效果。
2.从Kmeans算法框架可以看出，该算法的每一次迭代都要遍历所有样本，计算每个样本到所有聚类中心的距离，利用重心调整聚类中心，因此当样本规模非常大时，算法的时间开销是非常大的。
3.Kmeans算法是基于距离的划分方法，只适用于分布为凸形的数据集，不适合聚类非凸形状的类簇
非凸类簇
- k的选择：对于所有的簇计算误差平方和，得出一个逐渐收敛的曲线，根据这个曲线得出最佳k
2.层次聚类
为了不用提前指明ｋ的个数，我们采用从下而上地把小的cluster合并聚集，或者从上而下地将大的cluster进行分割的方法。目前一般用得比较多的是从下而上地聚集。
image.png
层次聚类的缺点是计算量比较大，因为要每次都要计算多个cluster内所有数据点的两两距离。另外，由 于层次聚类使用的是贪心算法，得到的显然只是局域最优，不一定就是全局最优，这可以通过加入随机效应解决。
每个样本点都是一个cluster，通过计算cluster的距离来作大概判断。如果合并的两个小 cluster同属于一个目标cluster，那么它们的距离就不会太大。但当合并出来K个目标cluster后，再进行合并，就是在这K个cluster间进行合并了，这样合并的cluster的距离就会有一个非常明显的突变。
image.png
(1) Self Organizing Maps (SOM) 基于神经网络的聚类算法
本质上是一种只有输入层--隐藏层的神经网络。隐藏层中的一个节点代表一个需要聚成的类。训练时采用“竞争学习”的方式，每个输入的样例在隐藏层中找到一个和它最匹配的节点，称为它的激活节点。输入层神经元个数代表了输入数据的维数（ＲＧＢ）
image.png
SOM的一个特点是，隐藏层的节点是有拓扑关系的。这个拓扑关系需要我们确定，如果想要一维的模型，那么隐藏节点依次连成一条线；如果想要二维的拓扑关系，那么就行成一个平面
image.png
- ＳＯＭ的过程：
1） 初始化：每个节点随机初始化自己的参数W＝{w1,w2...wn}。每个节点的参数个数与Input的维度相同。
竞争(输出)层最少节点数量 =
2）对于每一个输入数据，找到与它最相配的节点。假设输入时D维的， 即 X={x_i, i=1,...,D}，那么判别函数可以为欧几里得距离：（寻找最近的神经元）
- 找到激活节点I(x)之后，我们也希望更新和它临近的节点。令S_ij表示节点i和j之间的距离，对于I(x)临近的节点(范围大小Nc)，分配给它们一个更新权重：（更新邻近神经元的权重）
简单地说，临近的节点根据距离的远近，更新程度要打折扣(远的更新少近的更新多)。
image.png
4）接着就是更新节点的参数了。按照梯度下降法更新：
学习率，t是迭代次数
迭代，直到收敛。
- 同样是无监督的聚类方法，SOM与K-Means有什么不同呢？
1）K-means需要事先定下类的个数，也就是K的值。 SOM则不用，隐藏层中的某些节点可以没有任何输入数据属于它。所以，K-Means受初始化的影响要比较大。
2）K-means为每个输入数据找到一个最相似的类后，只更新这个类的参数。SOM则会更新临近的节点。所以K-mean受noise data的影响比较大，SOM的准确性可能会比k-means低（因为也更新了临近节点）。
3） SOM的可视化比较好。优雅的拓扑关系图 。
-
SOM 用于生成训练样本的低维空间，可以将高维数据间复杂的非线性统计关系转化为简单的几何关系，且以低维的方式展现，因此通常在降维问题中会使用它。
-
SOM 与其它人工神经网络不同，因为它们使用的是竞争性学习而不是错误相关的学习，后者涉及到反向传播和梯度下降。在竞争性学习中，各个节点会相互竞争响应输入数据子集的权利。训练数据通常没有标签，映射会学习根据相似度来区分各个特征。
som.gif
image.png
(2) DBSCAN算法
1）DBSCAN算法会以任何尚未访问过的任意起始数据点为核心点，并对该核心点进行扩充。这时我们给定一个半径/距离ε，任何和核心点的距离小于ε的点都是它的相邻点。
2）如果核心点附近有足够数量的点，则开始聚类，且选中的核心点会成为该聚类的第一个点。如果附近的点不够，那算法会把它标记为噪声（之后这个噪声可能会成为簇中的一部分）在这两种情形下，选中的点都会被标记为“已访问”。（抗噪能力很强）
3）一旦聚类开始，核心点的相邻点，或者说以该点出发的所有密度相连的数据点（注意是密度相连）会被划分进同一聚类。然后我们再把这些新点作为核心点，向周围拓展ε，并把符合条件的点继续纳入这个聚类中。
4）重复步骤2和3，直到附近没有可以扩充的数据点为止，即簇的ε邻域内所有点都已被标记为“已访问”。
- DBSCAN的主要缺点：当聚类的密度不同时，DBSCAN的性能会不如其他算法。这是因为当密度变化时，用于识别邻近点的距离阈值ε和核心点的设置会随着聚类发生变化。而这在高维数据中会特别明显，因为届时我们会很难估计ε。
(3) 高斯混合模型（GMM）
它是多个高斯分布函数的线性组合，理论上可以拟合出任意类型的分布，通常用于解决同一集合下的数据包含多个不同的分布的情况。
我们假设数据点满足不同参数下的高斯分布——比起均值，这是一个限制较少的假设。我们用两个参数来描述聚类的形状：均值和标准差。以二维分布为例，标准差的存在允许聚类的形状可以是任何种类的椭圆形。
如果数据点符合某个高斯分布，那它就会被归类为那个聚类。
- 过程：
1.首先，我们确定聚类的数量（如K-Means），并随机初始化每个聚类的高斯分布参数。
2.根据每个聚类的高斯分布，计算数据点属于特定聚类的概率。如果数据点越接近高斯质心，那它属于该聚类的概率就越高。
3.在这些概率的基础上，我们为高斯分布计算一组新的参数，使聚类内数据点的概率最大化。我们用数据点位置的加权和来计算这些新参数，其中权重就是数据点属于聚类的概率。
GMM有两个关键优势。首先它比K-Means更灵活，由于标准差的引入，最后聚类的形状不再局限于圆形，它还可以是大小形状不一的椭圆形——K均值实际上是GMM的一个特例，其中每个聚类的协方差在所有维上都接近0。其次，权重的引入为同一点属于多个聚类找到了解决方案。如果一个数据点位于两个聚类的重叠区域，那我们就可以简单为它定义一个聚类，或者计算它属于X聚类的百分比是多少，属于Y聚类的百分比是多少。简而言之，GMM支持混合“成员”。
过程
