python - 如何生成未填充空间的骨架点？

Question

给定一个点坐标数组，我想生成 n 个最能“定义”未填充空间的新坐标。

我的方法的第一部分涉及使用 K-Means 聚类来生成合理代表所有点的 k 点。然后我想用这些点来为未填充的空间生成骨架点。

示例如下所示。初始点显示为小点，K-Means 聚类中心显示为大点 (k = 5)，我对骨骼点应放置位置的人工估计显示为黄色方 block ，其中 n = 4。

为未填充空间生成这些骨架点的最佳方法是什么？ (看起来我几乎需要一个“逆向聚类”算法。)随意提供一个不使用所示 K-Means 聚类的解决方案；那只是我简化问题的尝试。

# Dataset used:
X = np.array([
    [0.0, 0.0], [0.1, 0.0], [0.2, 0.0], [0.2, 0.1], [0.3, 0.1], [0.4, 0.1],
    [0.4, 0.2], [0.5, 0.2], [0.5, 0.3], [0.6, 0.3], [0.7, 0.3], [0.8, 0.3],
    [0.9, 0.3], [0.9, 0.4], [0.9, 0.5], [0.9, 0.5], [0.9, 0.6], [0.9, 0.7],
    [0.9, 0.7], [0.9, 0.8], [0.8, 0.8], [0.8, 0.9], [0.7, 0.9], [0.6, 0.9],
    [0.5, 0.9], [0.4, 0.9], [0.4, 0.8], [0.3, 0.8], [0.3, 0.7], [0.2, 0.7],
    [0.2, 0.6], [0.2, 0.5], [0.2, 0.4]
])

Answer 1

这是翻译您所要求的内容的一种尝试:

1) 用规则间隔点的网格填充相关区域。

2) 从这个规则网格中删除靠近初始点的点。

3)使用k-means聚类对剩余的网格点进行聚类。

如果您有 P 个初始点并打算创建 k 个簇，我将删除大约 P * 100/(P + k) % 的网格点。应该有一些巧妙的方法来获得使用非常精细的网格的准确性，而无需实际一一处理所有网格点，例如通过递归地将空间分成 block ，但一个简单的网格可以让您快速测试这个想法并看看它是什么样子。