HDU杭电--机器学习实验考试

一、 实验目的

• 1 、理解无监督学习中 Kmeans 算法原理

• 2 、掌握 Sklearn 实现基于 Kmeans 的图像分割

二、 实验内容与要求

1 、该代码属于无监督学习 , 使用了 K-means 聚类算法。无监督学习

是一种无需标签的学习方法，模型从数据的内部结构中学习，将数据

分组或聚类。

2 、核心函数：

· KMeans(n_clusters=4).fit_predict(imgData)

输入：归一化后的图像数据 imgData 。

输出：每个像素点所属的簇标签数组 label ，其中每个标签表示该

像素属于哪个聚类簇。

· loadData(filePath)

输入：图像文件的路径 filePath 。

输出：一个包含归一化后的像素 RGB 值的 NumPy 数组 data ，以

及图像的宽度 m 和高度 n 。

以上代码使用了无监督学习中的 K-means 聚类算法对图像进行颜

色聚类和分割。首先，加载并处理图像数据；然后使用 K-means 算法

对像素进行聚类；最后根据聚类结果重新生成和保存