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