模式识别学习笔记二-聚类分析

模式识别学习-聚类分析算法

1、基于试探的聚类搜索算法

按最近邻规则试探算法

      

最大最小距离算法

2、系统聚类法

 距离准则函数

3、动态聚类法

K-均值算法

ISODAYA算法

聚类相关性测度：

       欧氏距离：

欧式距离变换欧氏距离变换的定义

在二维平面上定义两点，那么他们之间的欧氏距离表示为 ：

在 二值图像 中，1代表目标点，0代表背景；在 灰度图像 中， 栅格 的 灰度值 表示该栅格点到最近目标点的距离值。这样一张 M × N 的图像可以表示为一个 二维数组 A [ M ][ N ]，其中 A [ i ][ j ]=1对应的栅格表示目标点， A [ i ][ j ]=0对应的栅格表示背景点。设 B ={( x,y )| A [ i ][ j ]=1}为目标点集合，则欧氏距离变换就是对 A 中所有的 栅格 点求：

其中

从而得到 二值图像 A 的欧氏距离变换

以上来源于百度百科

       马氏距离：

       一般明氏距离：

       角度相似性函数：