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 :
二值图像 中,1代表目标点,0代表背景;在 灰度图像 中, 栅格 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 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:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值