【Python实例第19讲】图像分割的谱聚类

机器学习训练营——机器学习爱好者的自由交流空间（入群联系qq：2279055353）

在数据的多变量统计和聚类里，谱聚类技术使用数据的相似矩阵的谱（即，相似矩阵的特征值）降低特征的维度。然后，在降维后的空间使用k-means聚类。其中的相似矩阵度量了数据集的任何两点的相似性。

这个例子产生一个带有连接的圆圈区域的图像，使用谱聚类法(spectral clustering)分隔出这些区域。在这种情况下，谱聚类法解决了标准的图像分割问题：图像被当作一个由三维像素连接的图，谱聚类算法等于是选择图分割的区域，最小化沿着分割的梯度改变率。因为该算法试图平衡区域的大小，如果我们分隔的圆圈大小不同，分割就等于失败了。

实例详解

首先，从scikit-learn的feature_extraction导入image, 从clusters导入谱聚类函数spectral_clustering. 在image里定义4个圆圈区域。

import numpy as np
import matplotlib.pyplot as plt

from sklearn.feature_extraction import image
from sklearn.cluster import spectral_clustering

l = 100
x, y = np.indices((l, l))

center1 = (28, 24)
center2 = (40, 50)
center3 = (67, 58)
center4 =