文中主要基于视觉词袋（BOVW， Bag-Of-Visual-Words）模型对图像进行分类处理，并对传统视觉词袋模型存在的不足进行了改进，提出了一种基于视觉词典的权重直方图来表达图像，采用优化的k-means聚类算法（k-means+）用于视觉词典的构建，代入KNN（K-Nearest-Neighbors）分类器进行分类。通过对Caltech 101和Caltech 256这两个经典数据库进行实验，实验结果表明该改进方案较传统方法提高了分类的正确率。
2022-06-04 17:46:51
773KB
1
针对初始聚类中心对传统K-means算法的聚类结果有较大影响的问题，提出一种依据样本点类内距离动态调整中心点类间距离的初始聚类中心选取方法，由此得到的初始聚类中心点尽可能分散且具代表性，能有效避免K-means算法陷入局部最优。通过UCI数据集上的数据对改进算法进行实验，结果表明改进的算法提高了聚类的准确性。
2022-06-03 20:51:35
307KB
1
实验 Spark ML Bisecting k-means聚类算法使用，实验文档
2022-05-26 14:39:08
30KB
1
1、实现效果：见链接：https://blog.csdn.net/SoaringLee_fighting/article/details/124230303
2、基于帧间相关性和K-means的视频篡改检测（Matlab代码）
3、适用于计算机，电子信息工程等专业的大学生课程设计和毕业设计。
2022-05-25 14:09:18
26.52MB