ISODATA算法参数

最新推荐文章于 2024-06-22 11:30:00 发布
最新推荐文章于 2024-06-22 11:30:00 发布
阅读量1.7k 收藏
点赞数 1
分类专栏： Matlab Multimedia
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wangliandehanyun/article/details/8740525
版权

做图像匹配的时候突然想试试看这个算法， 网上找了一圈，发现了Matlab官网上的代码， 下完一看注释居然是奇奇怪怪的文字。（恕在下才疏学浅。。。）

又找了一圈，找到了个俄语版的PPT。在一堆俄语文字中发现了这个，开始调试，只可惜，返回参数仍然有点不懂。



原函数：

[Z, Xcluster, A, cluster] = wfIsodata_ND(X, k, L, I, ON, OC, OS, NO, min_dist)

望恋的寒云
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
ISODATA算法详细步骤
04-12
整理的ISODATA 算法详细步骤,希望对大家有帮助 不知道怎样删除, 将第5 步更新如下 情形1：若这是最后一次迭代（由参数I确定），则C＝0(防止合并发生),转向（8）； 情形2：若 ，转向(6); 情形3：若是偶数次迭代，或者是 ，转向（8），否则，转向（6）。
ISODATA算法 matlab实现
06-04
ISODATA算法的实现，使用matlab编程，聚类文件为男女身高和体重，最后结果聚类为两类，一类男，一类女
matlab ISODATE算法（聚类）.zip
10-06
matlab ISODATE算法（聚类）.zip
【机器学习】聚类算法：ISODATA算法
ZhangPY的专栏
08-05 1万+
在之前的K-Means算法中，有两大缺陷：         （1）K值是事先选好的固定的值       （2）随机种子选取可能对结果有影响   针对缺陷（2），我们提出了K-Means++算法，它使得随机种子选取非常合理，进而使得算法更加完美。但是缺 陷（1）始终没有解决，也就是说在K-Means算法中K值得选取是事先选好固定的一个值，当时也提出ISODATA算
聚类算法（2）--- ISODATA算法
最新发布
不去幼儿园的博客
06-22 1574
ISODATA算法是基于C-均值算法的改进，增加了簇的合并和分裂机制，使其能够动态地调整簇的数量和形状，适应数据的复杂性。这使得ISODATA算法更适用于数据集具有复杂形状、密度不均匀、簇的数量变化较大的情况。
动态聚类算法之ISODATA算法
杨杨子江的博客
05-07 1万+
参考书目：《模式识别(张学工第二版)》 ISODATA聚类算法是k-means算法的改进。与k-means均值算法有两点不同：第一，它不是每调整一个样本的类别就重新计算一次各类样本的均值。而是在每次把全部样本都调整完毕之后才重新计算一次样本的均值，前者一般称为逐个样本修正法，后者称为成批样本修正法。第二，ISODATA算法不仅能通过调整样本所属类别完成聚类分析，而且还能自动地进行类的“合并”和“分...
ISODATA算法.pdf
06-11
ISODATA算法是一种非监督分类算法，通过引入参数进行人机交互不断进行分裂与合并。该算法的基本原理是通过设定初始参数引入人机对话环节，并使用归并与分裂的机制来实现分类。 一、原理介绍 ISODATA算法是一个迭代...
ISODATA.rar_isodata_isodata算法
09-20
ISODATA算法是一种聚类分析方法，源自统计学和模式识别领域，主要用于数据分类和图像分割。该算法基于迭代过程，结合了K-means聚类和最大类间方差（Maximal Interclass Variance，也称作Ward's方法）两种方法的优点...
ISODATA.rar_Visual_isodata_isodata算法
09-23
通过C++实现，我们可以灵活地调整算法参数，适应不同场景的需求，并且可以深入理解算法内部的工作机制。在实际项目中，结合可视化工具，ISODATA算法可以帮助我们更好地理解数据结构，发现潜在的模式和规律。
【老生谈算法】matlab实现isodata算法.docx
07-03
该部分定义了ISODATA算法的主函数isodata，该函数接受五个输入参数：X、K、theta_N、theta_S0和theta_C0。其中，X是输入样本矩阵，每一列是一个样本；K是预期的聚类数目；theta_N是每一聚类样本域的最小数目；theta_...
ISODATA算法
11-10
例如，对于给定的8个模式样本，ISODATA算法会根据样本的特征和设定的参数自动寻找最佳的聚类结构。 ISODATA算法的优点在于其自动化程度高，能够自我调整类别数量，适应数据集的变化。然而，它也存在一些潜在的问题...
isodata算法的matlab实现
05-08
isodata算法的matlab实现% kMeansCluster - Simple k means clustering algorithm % Author: Kardi Teknomo, Ph.D. % % Purpose: classify the objects in data matrix based on the attributes % Criteria: minimize Euclidean distance between centroids and object points % For more explanation of the algorithm, see http://people.revoledu.com/kardi/tutorial/kMean/index.html % Output: matrix data plus an additional column represent the group of each object
isodata算法matlab的主要函数
11-20
isodata算法，matlab的几个主要函数
ISODATA聚类算法（matlab实现）
05-16
自己编写了一个实现ISODATA聚类算法的程序。（目标程序是将样本分成两类，各个参数见程序注释）
ISODATA聚类matlab算法（带详细中文注释）
04-19
本资源是ISODATA聚类算法的matlab代码，其中包括isodata.m（ISODATA算法代码，其中包括了合并分裂等一系列子函数）、provaisodata.m（算法实例调用代码）和dades.mat（存放实例数据变量的文件）三个文件，并且每个函数都有详细的中文注释，而非原来的西班牙语注释。 ISODATA算法是在k-均值算法的基础上，增加对聚类结果的“合并”和“分裂”两个操作，并设定算法运行控制参数的一种聚类算法。全称：Iterative Selforganizing Data Analysis Techniques Algorithm 即：迭代自组织数据分析算法。 “合并”操作：当聚类结果某一类中样本数太少，或两个类间的距离太近时，进行合并。“分裂”操作： 当聚类结果某一类中样本某个特征类内方差太大，将该类进行分裂。
高光谱图像ISODATA分类算法
12-01
应用于高光谱图像的ISODATA算法，参数自行设置。效果与ENVI比较后不错
遥感影像非监督分类及其精度评估（基于ERDAS实现）
qq_52481939的博客
12-21 7137
遥感影像非监督分类及其精度评估（基于ERDAS实现） 非监督分类法 在没有先验类别(训练区) 作为样本的条件下,即事先不知道类别特征的情况下,仅依靠影像上不同类地物光谱信息（或纹理信息等）进行特征提取，再采用聚类分析方法，将所有样本划分为若干个类别.这一过程也称为聚类（Clustering）。 常用方法 K-均值法（K-means algorithm)非监督分类： 首先假设图像上的目标要分为C个类别，然后计算数据空间上均匀分布的初始类别均值，最后基于最小距离法进行迭代，把所有像元聚集到“距离最小”的类别中
ISODATA分类法
热门推荐
简单点儿，通俗点儿，机器学习
10-05 3万+
K-Means分类法介绍 作者：liangdas 出处：简单点儿，通俗点儿 引言：    前面介绍的最小距离分类法和最大似然分类法，它们在分类之前，都需要有一些已知的标记好的样本，作为训练数据，然后再去训练模型，最后才能用这个模型去对未知类别的样本做分类，这就是所说的监督分类。监督分类 supervised classification）又称训练场地法，是以建立统计识别函数为理论基础，
isodata聚类算法的实现
Marshall的专栏
10-01 1万+
ISODATA算法是在k-均值算法的基础上，增加对聚类结果的“合并”和“分裂”两个操作，并设定算法运行控制参数的一种聚类算法。迭代次数会影响最终结果，迭代参数选择很重要。 算法步骤  如下： ①初始化 设定控制参数： c：预期的类数； Nc：初始聚类中心个数（可以不等于c）； TN：每一类中允许的最少样本数目（若少于此数，就不能单独成为一类）； TE：
C语言ISODATA算法
05-31
ISODATA算法是一种聚类算法，用于将数据集划分为不同的类别。...在实现ISODATA算法时，需要注意参数的初始化和更新，以及聚类合并的条件。此外，还需要考虑如何处理异常值和如何评价聚类效果等问题。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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