我面临着基于相似性的图像聚类问题，而不知道聚类的数量。理想情况下，我想实现类似于此http://cs231n.github.io/assets/cnnvis/tsne.jpeg的东西（http://cs231n.github.io/understanding-cnn/这张图片是卷积神经网络的结果网络，它代表它学到的群体）
因为我对它们的分类不感兴趣（我不知道类别），所以我最感兴趣的是它们的“视觉”属性：颜色、形状、渐变等。我发现很多文章建议使用 DBSCAN、t-SNE 或甚至是 k 均值，但有更好的解决方案吗？有人建议使用 HOG 变换，但说实话，不知道如何将它们缝合在一起。
那么，总而言之，如何根据图像的颜色和形状属性将图像分离（在 2D 平面上，分组、文件夹等） ？
cluster-analysis machine-learning image-processing computer-vision unsupervised-learning
我正在尝试构建Result Builder累积Errors（在我的情况下，它们被命名Failures为我正在关注来自https://fsharpforfunandprofit.com/ 的一些代码）。Failure当理想情况下我更喜欢它返回Success所需值或Failure所有丢失/损坏值的列表时，它的当前实现返回第一次遇到。不幸的是，当前的实现有点冗长。
样板代码
module Rop
type RopResult<'TSuccess, 'TMessage> =
| Success of 'TSuccess * 'TMessage list
| Failure of 'TMessage list
/// create a Success with no messages
let succeed x =
Success (x,[])
/// create a Success with a message
let succeedWithMsg x msg =
Success (x,[msg])
/// create a Failure with a message
let fail msg =
Failure [msg]
/// A function that …f# ×1