有比 K 均值更快的聚类方法吗？
Any much faster methods for clustering than K means?
我在一个盒子里有手写数字，我想把手写数字拉出来。尺寸为 208 x 117，因此大约有 24k 像素。
我想利用我有颜色这一事实，所以我决定使用聚类算法来隔离数字的颜色，然后只提取那些像素。问题是我需要将其降低到每个数字 0.01 秒，现在 sklearn.cluster.KMeans 大约需要 0.15 秒。我尝试调整图像大小，但这本身就需要时间，而且我还尝试使用阈值来获取彩色像素并忽略浅色背景（让我降低到 10k 像素），但这并没有加快速度。
有什么想法吗？
我找到了一个方法。事实证明，通过减少样本量，您可以获得巨大的加速。所以我只是随机抽取了四分之一的像素并将其输入到聚类函数中。我得到了 50 倍的加速。
我在一个盒子里有手写数字，我想把手写数字拉出来。尺寸为 208 x 117，因此大约有 24k 像素。
我想利用我有颜色这一事实，所以我决定使用聚类算法来隔离数字的颜色，然后只提取那些像素。问题是我需要将其降低到每个数字 0.01 秒，现在 sklearn.cluster.KMeans 大约需要 0.15 秒。我尝试调整图像大小，但这本身就需要时间，而且我还尝试使用阈值来获取彩色像素并忽略浅色背景（让我降低到 10k 像素），但这并没有加快速度。
有什么想法吗？
我找到了一个方法。事实证明，通过减少样本量，您可以获得巨大的加速。所以我只是随机抽取了四分之一的像素并将其输入到聚类函数中。我得到了 50 倍的加速。