本文探讨了K-means聚类算法中初始中心选择的重要性，并提出基于体元的初始分割中心选择模型。该模型通过计算点云范围、设置体元数量、统计点密度，选取密度最大前k个体元的中心作为初始聚类中心，以提升分割效果。附带实现代码和效果展示。
一、引言
在K-means 聚类算法中，初始中心的选择对分割效果产生会直接影响，好的初始中心选择是获得预期分割效果的重要前提条件，因此就有相关论文对初始聚类中心进行了探索。
基于体元的初始分割中心选择模型具体过程为：（1）计算点云的范围，也就是获取点云的立方体包围盒。（2）根据我们设置的体元数量来计算体元大小。（3）统计每个体元的点密度，获取密度最大的前k个体元。（4）计算密度最大的前k个体元中心，作为聚类初始分割中心，即提取完毕。
二、实现代码
VoxelInit.m
%基于体素栅格的初始分割中心选择模型
clc
clear
close all;
%获取点云数据
[fileName,pathName]
订阅专栏 解锁全文
扫一扫
1699
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
