遗传算法改进的模糊C-均值聚类MATLAB源码.7z

该程序计算/估计图像的Kong隙率。 主要用于 SEM 图像。 它可用于包含多Kong表面的其他类型的图像。 使用 PorosityCalculatorEXEC.m 来运行程序。 还提供了样品 SEM 图像用于实验。

均值偏移算法在目标跟踪中的应用研究.pdf

k均值聚类分析举例.pdf 学习资料 复习资料 教学资源

遥感影像均值漂移分割算法的并行化实现.pdf

iNeuOS工业互联网操作系统，三维（3D）模型在线编辑应用和实时数据统计（和值、均值、众数、方差、中位数等）.doc

针对K-均值聚类算法存在的不足,提出了一种新的整合粒子群优化算法(PSO)和K-均值算法的聚类算法.在新算法中,首先结合使用粒子群优化算法和K-均值算法搜索全局最优解的位置,然后再用K-均值算法在全局最优解附近的局部空间内快速寻找最优聚类中心.通过对4个数据集的实验测试,将此算法与K-均值算法、基于粒子群的K-均值算法进行了比较.实验结果表明,新算法的聚类质量比后两个算法更优.

数字图像代数运算：包括图像均值去噪，二次曝光，背景相减 参考博客：http://blog.csdn.net/xiaowei_cqu/article/details/7610665

EM算法是一种非常流行的最大似然估计方法，它是在观测数据为不完整数据时求解最大似然估计的迭代算法，同时也是估计有限混合模型参数的有效算法。 但是，EM算法不能保证找到全局最优解，而且往往容易陷入局部最优解，因此对迭代初始值的确定很敏感。 传统的EM算法随机选择初始值，提出了一种改进的初始值选择方法。 首先，我们使用k-nearest-neighbor方法删除异常值。 其次，使用k均值初始化EM算法。 将该方法与原始随机初始值方法进行比较，数值实验表明，EM算法初始化的参数估计效果明显优于原始EM算法。

K- Means Clustering