cc198877的专栏

K-Means是一种最经典也是使用最广泛的聚类方法。k-means 算法的工作过程说明如下：首先从n个数据对象任意选择k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。 K-Means的思想很简单，对于一个聚类

sift 特征提取： http://www.cnblogs.com/cfantaisie/archive/2011/06/14/2080917.html HOG 特征： http://blog.sina.com.cn/s/blog_9f4bc8e30101672y.html NMF：Non-negative Matrix Factorization，非负矩阵分解：