dbscan给出了意想不到的结果

Question

我使用DBSCAN方法对图像进行聚类，但是它给出了意想不到的结果。假设我有10张图片。

首先，我使用cv2.imread在循环中读取图像。然后计算各图像之间的结构相似性指数。之后，我有一个像这样的矩阵:

[
[ 1.         -0.00893619  0.          0.          0.          0.50148778      0.47921832  0.          0.          0.        ]
[-0.00893619  1.          0.          0.          0.          0.00996088     -0.01873205  0.          0.          0.        ]
[ 0.          0.          1.          0.57884212  0.          0.             0.         0.          0.          0.        ]
[ 0.          0.          0.57884212  1.          0.          0.              0.         0.          0.          0.        ]
[ 0.  0.  0.  0.  1.  0.  0.  0.  0.  0.]
[ 0.50148778  0.00996088  0.          0.          0.          1.          0.63224396  0.          0.          0.        ]
[ 0.47921832 -0.01873205  0.          0.          0.          0.63224396      1.          0.          0.          0.        ]
[ 0.          0.          0.          0.          0.          0.          0.  1.          0.77507487  0.69697053]
[ 0.          0.          0.          0.          0.          0.          0.  0.77507487  1.          0.74861881]
[ 0.          0.          0.          0.          0.          0.          0.  0.69697053  0.74861881  1.        ]]

看起来不错。然后我简单地调用DBSCAN:

db = DBSCAN(eps=0.4, min_samples=3, metric='precomputed').fit(distances)
labels = db.labels_
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)

结果是

[0 0 0 0 0 0 0 0 0 0]

我做错了什么?为什么它把所有的映像放到一个集群中?

Answer 1

DBSCAN通常假定不相似性(距离)而不是相似性。它也可以用相似度阈值来实现(参见Generalized DBSCAN)

Answer 2

问题是我计算距离矩阵不正确-主对角线上的条目都是零