matlab 画高维图像,Matlab – 高斯混合和模糊C-均值比K-means在高维数据上更准确(26维向量的图像)...

我从本教程

Texture Segmentation Using Gabor Filters中获取了matlab代码.

为了测试对gabor滤波器产生的多维纹理响应的聚类算法,我应用高斯混合和模糊C均值代替K均值来比较它们的结果(在所有情况下簇的数量= 2)：

原始图片：

K均值集群：

L = kmeans(X, 2, 'Replicates', 5);

GMM集群：

options = statset('MaxIter',1000);

gmm = fitgmdist(X, 2, 'Options', options);

L = cluster(gmm, X);

模糊C均值：

[centers, U] = fcm(X, 2);

[values indexes] = max(U);

在这种情况下,我发现奇怪的是K-means聚类比使用GMM和Fuzzy C-means提取的聚类更准确.

任何人都可以向我解释,作为输入到GMM和模糊C均值分类器的数据的高维性(L x W x 26:26是使用的gabor滤波器的数量)是什么导致聚类更少准确？

换句话说,GMM和模糊C均值聚类对数据的维数更敏感,而K-means是什么？