K-means点云聚类算法（python实现）

山野万里__

已于 2024-05-12 23:46:41 修改

阅读量831

点赞数 5

分类专栏： open3d点云处理专栏文章标签：算法 kmeans 聚类

于 2024-05-12 21:53:37 首次发布

本文链接：https://blog.csdn.net/zwy123987/article/details/138768185

版权

open3d点云处理专栏专栏收录该内容

12 篇文章 8 订阅

订阅专栏

原理：

目标：将样本集合划分为 K 个互不相交的子集，每个子集代表一个聚类。
初始化：随机选择 K 个样本作为初始聚类中心。
迭代优化：重复以下步骤，直到收敛：
- 将每个样本分配到最近的聚类中心所在的类别中。
- 计算每个聚类中心的均值，作为新的聚类中心。
收敛条件：当聚类中心不再发生变化，或者变化很小，算法收敛。

数学公式：

样本表示：假设有 m 个样本，每个样本有 n 个特征，用 $x ^{^{(i)}}$ 表示第 i 个样本， $x ^{^{(i)}}$ ∈ $R^{n}$ 。
聚类中心表示：假设有 K 个聚类中心，用 $x ^{^{(i)}}$ 表示第 k 个聚类中心，μ $_{k}$ ∈ $R^{n}$ 。
样本到聚类中心的距离：通常使用欧氏距离或其他距离度量。样本 $x ^{^{(i)}}$ 到聚类中心μ $_{k}$ 的距离表示为 ∣∣ $x ^{^{(i)}}$ −μ $_{k}$ ∣∣ $^{2}$ 。
样本分配：将样本 $x ^{^{(i)}}$ 分配给与之最近的聚类中心 $x ^{^{(i)}}$ ，即选择使得 ∣∣ $x ^{^{(i)}}$ −μ𝑘∣∣ $^{2}$ 最小的聚类中心。
聚类中心更新：每个聚类的中心更新为该聚类中所有样本的均值，即 μ𝑘= $\frac{1}{C_{k}}$ ∑𝑖∈ $C_{k}$ $x ^{^{(i)}}$ ，其中 $C_{k}$ 是属于第 k 个聚类的样本集合。

优化目标：

K-Means 的优化目标是最小化样本到所属聚类中心的距离之和（称为误差平方和，SSE）： 𝐽( $c^{(1)}$ ,…, $c^{(m)}$ ,𝜇 $_{1}$ ,…,𝜇 $_{k}$ )= $\sum_{i=1}^{m}$ ∣∣ $x ^{^{(i)}}$ −𝜇 $c^{(i)}$ ∣∣ $^{2}$ 其中：

$c^{(i)}$ 表示样本 $x ^{^{(i)}}$ 所属的聚类中心的索引。
𝜇 $c^{(i)}$ 表示样本 $x ^{^{(i)}}$ 所属的聚类中心。

K-Means 算法通过迭代优化这个目标函数，不断更新聚类中心，直到收敛到局部最优解。

实现代码：

# 文件功能： 实现 K-Means 算法
import random
from scipy import  spatial
import matplotlib.pyplot as plt
import numpy as np

class K_Means(object):
    # k是分组数；tolerance‘中心点误差’；max_iter是迭代次数
    def __init__(self, n_clusters=2, tolerance=0.0001, max_iter=300):
        self.k_ = n_clusters
        self.tolerance_ = tolerance
        self.max_iter_ = max_iter

    def fit(self, datas):
        # step 1.选择k个点作为聚类的中心
        self.centers_ = datas[random.sample(range(datas.shape[0]),self.k_)]
        old_centers = np.copy(self.centers_)
        leaf_size = 1
        k = 1
        for i in range(self.max_iter_):
            # step 2.求出查询点到中心的最近距离
            labels = [[]for i in range(self.k_)]
            root = spatial.KDTree(self.centers_,leafsize=leaf_size)
            print("Kmeans iterator",i)
            for i in range(datas.shape[0]):
                _,query_index = root.query(datas[i],k) #返回距离哪个中心点最近
                labels[query_index].append(datas[i])
            for i in range(self.k_):
                points = np.array(labels[i])
                self.centers_[i] = points.mean(axis=0)
            if np.sum(np.abs(self.centers_ - old_centers)) < self.tolerance_ * self.k_:
                break
            old_centers = np.copy(self.centers_)
        self.fitted = True


    def predict(self, p_datas):
        result = []
        if not self.fitted:
            print("Unfitter.")
            return result
        for point in p_datas:
            diff = np.linalg.norm(self.centers_ - point,axis=1)
            result.append(np.argmin(diff))
        return result

if __name__ == '__main__':
    x = np.array([[1, 2], [1.5, 1.8], [5, 8], [8, 8], [1, 0.6], [9, 11]])
    k_means = K_Means(n_clusters=2)
    k_means.fit(x)

    cat = k_means.predict(x)
    color = np.array(['r', 'g'])
    cats = np.array(cat)
    print(cats.shape)
    plt.figure(figsize=(10, 10))
    plt.title(u"scatter clustter after kmeans")
    plt.scatter(x[:, 0], x[:, 1], c=color[cats])
    plt.show()
    print(cat)