原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
92图像分割KMeans概论
K-Means Fuzzy C-Means;Terminology;K-Means聚类法（C-Means）;K-means的归属矩阵;随机选取k个数据点Ci，i=1，…，k，并将之分别视为各聚类的初始中心
决定各数据点所属之聚类，若数据点Xj判定属于第 i 聚类，则权重值wji = 1，否则为 0;由（1）式计算目标函数 J，如果 J 保持不变，代表聚类结果已经稳定不变，则可结束此迭代方法，否则进入步骤4
以（4）式更新聚类的中心点。回到步骤2 ;（4）式如何得来？;N 次迭代以后;设定聚类数目K，最大执行步骤tmax，一个很小的容忍误差ε0
决定聚类中心起始位置Cj(0)，0 j ≤ K
for t=1,......,tmax
（A）for j=1,......,N
（i）计算各数据点到聚类中心的距离
（ii）计算数据点属于哪一聚类（隶属度矩阵）
（B）更新聚类中心
（C）计算收敛准则，若 成立则停止运算，否则进行下一轮迭代;需事先确定聚类的数目K
若初始聚类??心位置不理想，使得目标函数 J 落入局部解，最后分类出来的群集将不甚理想;使用K-Means聚类法;Cluster 形状以类圆形为主;使用K-Means聚类法;;蝴蝶型数据集;蝴蝶型数据集;;Feature Space;Image;Segmentation as clustering;K-Means pros and cons;Fuzzy C-Means聚类法;Fuzzy C-Means聚类法
文档评论（0）