matlab+voronoin函数,在Voronoi区域中生成随机点，并创建具有高维数据的Voronoi区域...

我正在使用k-means聚类算法，并且对于每个聚类质心，我试图为质心生成n维Voronoi区域 . 之后我需要从Voronoi区域生成随机点 .

我已经尝试使用Matlab / Octave和scipy来获得n维Voronoi区域 . 但我有两个问题 .

生成顶点和区域后，如何从区域生成随机数据

如果聚类质心的数量小于n，则可以构造Voronoi区域，维数

编辑 -

我的主要目标是生成一个码本 . 我有60k的n维数据点，我想创建一个比如512个码字的码本，其中每个码字都是n维的 . 码本是原始数据的近似值 . 聚类将是这样做的一种方式 . 由于k-means需要很长时间，我想使用自适应迭代LBG(Shen Furao和Osamu Hasegawa)，其过程是 -

找到具有最大错误的集群质心 - 让我们称之为C_large

在C_large的Voronoi区域生成一个随机点，让我们称之为C_new

使用voronoi区域中的数据点运行k-means，只有两个质心，C_large和C_new

这将比k-means快得多，因为每次使用总数据点的子集和仅两个质心运行k-means .

但是，算法以k = 1开始 . 但是直到k> n(数据是n维的)我才能使用scipy或Octave找到Voronoi区域 .

因此，如果我有一个单个质心，如C，则在Octave中运行voronoin(C)给我

error: voronoin: number of points must be greater than their dimension

那么有没有办法在这种情况下生成Voronoi区域 .

对于我的第二个问题，给出了一个很好的答案 .

我想问一下另一个相关的问题 . 由于Octave中的voronoin(C)不适用于C中的点数小于n(维数)，我尝试运行简单的k-means 50次，得到50个聚类质心 . 然后，当我尝试运行voronoin(C)，其中C是一个大小为50X36的矩阵，所以有50个聚类质心，每个都是36维点，我得到以下错误 -

qhull error (qh_memalloc): insufficient memory

While executing: | qhull v Qbb Qx

Options selected for Qhull 2009.1 2009/06/14:

voronoi Qbbound-last Qxact-merge _zero-centrum Pgood

Q3-no-merge-vertices-dim-high _max-width 1.6 Error-roundoff 9.4e-14

_one-merge 7.6e-12 _near-inside 3.8e-11 Visible-distance 5.6e-13

U-coplanar-distance 5.6e-13 Width-outside 1.1e-12 _wide-facet 3.4e-12

Last point added to hull was p23.

At error exit:

Voronoi diagram by the convex hull of 50 points in 40-d:

Number of Voronoi regions: 48

Total number of nearly incident points: 2