K-means segmentation(附源码)

最新推荐文章于 2022-02-24 17:10:59 发布

hello-elena

最新推荐文章于 2022-02-24 17:10:59 发布

阅读量1.9k

点赞数

CC 4.0 BY-SA版权

分类专栏：图像处理

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/l1l2l3q1q2q3/article/details/51182139

本文介绍了K-means聚类算法的基本原理，它使用欧式距离作为相似度标准，通过最小化误差平方和准则函数来寻找最佳分类。算法的目标是将数据分为指定数量的类别，以达到数据的最优划分。同时，文中提供了K-means算法的C++实现代码，以及应用实例展示，包括原图和分割后的图像效果。

1.k-means聚类算法原理

K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。

K-means聚类的目的就是，在给定分类组数k（k ≤ n）值的条件下，将原始数据分成k类

S = { S₁, S₂, …, S_k}，在数值模型上，即对以下表达式求最小值：

$\underset{\mathbf{S}} {\operatorname{arg\,min}} \sum_{i=1}^{k} \sum_{\mathbf x_j \in S_i} \left\| \mathbf x_j - \boldsymbol\mu_i \right\|^2$

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。