Kmeans получает тот же результат, но смена классов начинается с - PullRequest
Новая
       7

Kmeans получает тот же результат, но смена классов начинается с

0 голосов
/ 27 августа 2018

Я запускаю кластеризацию kmeans на изображении, которое я надеюсь классифицировать. Когда я запускаю программу, я получаю тот же результат, ожидая, что мои цвета не соответствуют друг другу, что означает, что kmeans не повторяет точно такой же процесс. Как я могу поддерживать одинаковые классы при каждом запуске программы?

Вот два примера. Первое изображение в наборе - это результат кластера kmeans, а второе - карта классификации на изображении.

SET 1 enter image description here enter image description here

Комплект 2 enter image description here enter image description here

Код: 

#Set a 6 KMeans clustering
    kmeans = KMeans(n_clusters = 4, n_jobs = -2)

    #Compute cluster centers and predict cluster indices
    X_clustered = kmeans.fit_predict(x_3d)

    # Display scatter of kmeans
    plt.scatter(X[:, 0], X[:, 1], c=X_clustered, s=5, cmap='viridis')
    plt.show()

    # Create a temp dataframe from our PCA projection data "x_3d"
    df = pd.DataFrame(x_3d)
    df['X_cluster'] = X_clustered

    #create an greyscale image and remap the color pixel based on the df file given
    gray_image = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    tempImage = img
    row,col = img.shape[:2]
    count = 0
    for i in range(row):
        for j in range(col):
            if X_clustered[count]==0:
                tempImage[i,j] = (255,255,255,1)
            elif X_clustered[count]==1:
                tempImage[i,j] = (0,255,0,1)
            elif X_clustered[count]==2:
                tempImage[i,j] = (0,0,255,1)
            elif X_clustered[count]==3:
                tempImage[i,j] = (125,125,0,1)
            elif X_clustered[count]==4:
                tempImage[i,j] = (0,125,125,1)
            elif X_clustered[count]==5:
                tempImage[i,j] = (125,0,125,1)
            elif X_clustered[count]==6:
                tempImage[i,j] = (255,255,0,1)
            elif X_clustered[count]==7:
                tempImage[i,j] = (255,0,255,1)
            elif X_clustered[count]==8:
                tempImage[i,j] = (0,255,255,1)
            elif X_clustered[count]==9:
                tempImage[i,j] = (125,125,125)  
            count+= 1

    return tempImage

1 Ответ

0 голосов
/ 27 августа 2018

Инициализация алгоритма K-средних не является детерминированной.

Если вы используете KMeans scikit-learn, то вы можете предоставить собственную инициализацию (init=...) или случайное начальное число, чтобы каждый раз генерировались одни и те же случайные числа (random_state=42) .

...