K-means、图像分割

K-means聚类算法原理

 k-means算法以k为参数，吧n个对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。

• 随机选k个点作为初始的聚类中心。
• 对剩下的点，根据距离，将其归入最近的簇。
• 对每个簇，计算所有点的均值作为新的聚类中心。
• 重复前两步，直到中心不再改变。

参数：

class sklearn.cluster.KMeans( n_clusters=8, init='k-means++', n_init=10, max_iter=300, tol=0.0001, precompute_distances='auto', verbose=0, random_state=None, copy_x=True, n_jobs=1, algorithm='auto')

init：聚类中心的初始化方法；

max_inter