LimitOut的博客

DBSCAN 简记 先上图 上图些了DBSCN算法的具体步骤：

K-Means 现上一张图： 先说一下K-means的流程 1. 随机选择K个点作为聚类中心。 2. 对数据集中每一个点，计算其与每一个质心的距离（如欧式距离），离哪个质心近，就划分到那个质心所属的集合。 3. 重新计算K个聚类簇的每个聚类中心 4. 重复2-3步骤 5. 截至条件为:当K个聚类中心不再变化，或者达到一定的迭代次数。 优化部分 1.我们在选择中心点的时候，尽量要选择数据中的点，减少我们迭代的次数，比如像图1 2.我们可以多试验几次K-means，然后选择最低的J，损失函数 K值的确定 对于

RANSAC 简记 明天面试，准备一下基础知识。 RANSAC全称随机采样一致性，我的研究方向是三维点云处理，之前在做地面滤波的时候会经常用到这个算法来模拟地面。 首先，RANSAC算法里面由内点和外点组成，内点也就是我们所设置的theshold内的点。 如上图，我们在拟合直线的时候，依次进行的步骤是： 1.随机从所有点中选取一个子集，这个子集点的个数就是你所要你和模型的参数量的个数，比如直线，则需要两个点，平面，需要三个点。 2.解出模型参数后，即 y = ax + b。 3.计算模型后，就要计算其他