Java 对图片像素进行K-means聚类

        聚类是机器学习中很重要的一部分，是一种无监督学习，本次选择K-means算法对图片的像素进行聚类

        K-means，顾名思义，K-均值，首先随机地选择k个对象，每个对象初始地代表了一个簇的平均值或中心。对剩余的每个对象根据其与各个簇中心的距离，将它赋给最近的簇，然后重新计算每个簇的平均值。这个过程不断重复，直到每个簇的中心确定不变。

    首先关注一下空间中每个点如何计算，普遍采用欧式距离，对于空间中两个点来说便是计算两个向量的欧式距离：

    通过每次计算每个点与中心点的距离，来确定每次K个类的中心，然后不断迭代直到K个中心不再变化为止。

    算法的优缺点还是比较多的，主要算法太经典太了，想知道更具体的请看Wiki上的解释把。

 

    接下来是实验部分了，实验主要对图片的像素聚类：

    对一张图片的像素点进行聚类，每个像素点是一个五维样本(x,y,r,g,b)进行聚类，其中x,y代表像素的位置，r,g,b分别代表个每个像素的图像特征RGB值。

   

    算法步骤：

      1随机初始K个初始点作为聚类中心