利用numpy广播机制，简洁实现K-means图像分割算法。仅28行代码完成从选择初始中心点到迭代更新的过程，通过对数据点与中心点比较，标记归属，不断优化聚类中心直至收敛。
依然是神奇的numpy boardcast！！！
于是代码只有28行！！！
>
输入：k，data[n];
(1) 选择 k 个初始中心点，例如 c[0] = data[0]， ……，c[k-1]=data[k-1];
(2) 对于 data[0]，……，data[n]，分别与 c[0]，……，c[k-1]比较，假设 c[i]差值最少，就标记为 i；
(3) 对于所有标记为 i 点，重新计算 c[i]={所有标记为 i 的 data[i]z 之和}/标记为 i 的个数；
(4) 重复(2)(3)，直至所有 c[j]值的变化小于给定阈值。
from scipy.misc import imread,imshow,imsave
import numpy as np
from functools import partial
def kmeans
最低0.47元/天 解锁文章
114
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
