k-means算法

链接收藏：Kmeans分类算法C++

k-means（k均值算法）：是一种聚类算法。在8维空间对所有像素进行扫描分类，得到包含上百个具有规整结构的超像素。

聚类算法：本质是一个归类的过程。

K-means实现过程：
1.初始分类，得到K个初始化分类。利用颜色、光强等信息来对像素进行初始分类，使类间距离最小。
2.更新类的中心。根据类内已有元素，更新每个类的中心。（更新依据：所有元素到中心的度量距离最小；让像素被分到距离最近的中心 所在的类。
3.重复。重复“更新中心—重新归类”这个过程直到收敛

结果：得到K个类。图像被分为k个部分。

弊端：1.没有明确考虑相邻单元间的联系，导致边界确定条件模糊。
2.对初始K值依赖严重。不准确K会导致分割质量极具下降。
3.于 K-means 不能控制输出的超像素个数

---

# K-means：
💛K-均值聚类是无监督算法。  
💛k-means clustering：根据数据的特征，将数据分为k组。（k是一个正整数）————分组根据 原始数据与聚类中心(cluster centroid)的  距离的平方最小  来分配到对应的组中。
💛步骤：随机聚类中心并设置初始位置（随机选对象作为中心）——确定对象与中心之间的位置——根据对象与中心的距离，选择距离最近的并归为一组——迭代
//监督学习：需要给定分类标准或从训练集中学习——然后对未知事物分类
//聚类：知道如何计算相似度就行