我会避免称它们为“集群”。使用这个术语，您最终会一直从数据挖掘中分心到多维技术。

您的问题是一个更简单的一维设置。甚至更简单：你甚至没有坐标，而是一个零和一的数组。

永远不会有一种万能的解决方案来解决您的问题。因为一个用户可能想要读取非常高分辨率的“条形码”，而另一个用户有很多噪音。

所以最后，你需要有一个参数。您有许多选择：绝对间隙大小、相对间隙大小、内核带宽等。

一个非常简单的“基于内核”的方法是将每个像素映射到 -10...+10 中设置的像素数。所以这是 21 个单元格，值将是 0 到 21。现在寻找一个局部最小值。如果它开始拆分您还不想拆分的运行，请增加窗口大小。

第 49-55 页上的参考 1 有关于基于内核的方法的很好的部分，可能在这里有用。如果我这样做，那么我会查看实际值及其一阶导数的加权和，因为它可能是“信息”的更好指标。

参考： http ://amzn.com/0198538642 Christopher Bishop 的“用于模式识别的神经网络”。（1995 年）

该问题与图像处理有一些相似之处。您有一个高度为一个像素的二值图像，并希望实现某种分割。

输入图像的性质建议使用形态滤波器来平滑区域，例如关闭。您需要选择结构元素，从而确定集群的“链接”。最后，这与您的方法非常相似。您还可以使用卷积过滤器平滑图像，例如使用模糊或高斯内核，并应用选定的阈值对其进行重新二值化。

如果您可以将每个1点视为一个点，将其在序列中的位置视为一个坐标，并且可以构成一些距离度量，那么您几乎可以使用所有标准的聚类算法。例如，您可以使用层次聚类（选择链接标准和阈值），您可以使用k-means或带有高斯混合模型的 EM（选择您要查找的聚类数量）。

但我不认为，您最终可能无需预先定义算法的灵敏度就可以逃脱。