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
马氏距离:
一般明氏距离:
角度相似性函数: