利用sift++kmeans++tf_idf++svm实现场景分类、图像分类

大数据-Hadoop

em算法matlab代码Kmeans项目 该项目利用K均值和EM算法进行预测。 入门 该项目包含3个用python编写的程序。 第一个文件是Kmeans.py，它实现了k means算法。 第二个文件是实现EM算法的GMM.py。 第三个文件是gmSuper.py，其中包含在GMM.py中实现的类GMM。 无需运行此文件，而是将其保存在同一目录中。 还有一个名为'pre_post_proc.m'的Matlab文件，该文件生成报告中显示的统计信息。 仅应打开它以验证统计信息。 还提供了一个data2.csv，它用作聚类算法的输入数据。 解压缩该文件夹，并将所有内容保留在同一目录中。 所有情节将自己生成。 每个文件的开头都定义了一个变量NUMBER。 更改其值以更改群集数。 重要信息：弹出图形窗口时，请关闭它以使代码继续进行。 还将生成一个空白图形窗口。 请关闭它，然后忽略它。 那不代表任何数字。 先决条件 该程序具有以下依赖性：Numpy Pandas Sklearn Matplotlib Seaborn yellowbrick 正在安装 通过创建虚拟环境来安装依赖项（推荐）： 打开一个

利用C++结合OpenCV实现Kmeans聚类图像分割，需要配置OpenCV340版本，其他版本需要更改属性表。

基于OpenCV新版本3.2 讲述，详细解释了KMeans、高斯混合模型(GMM)、分水岭变换、Grabcut等算法基本原理与在图像分割中的应用，基于OpenCV相关API演示每种图像分割方法，通过证件照背景融合替换与视频背景融合替换两个真实案例，讲述了图像分割在实际应用场景中的实现与演示。

利用sift实现图像的特征提取，再利用kmeans实现特征维度降维的，最后采用svm实现相应的图像分类。

kmeans聚类算法原理总结和基本步骤.docx

深大计软_最优化方法_实验1：K-Means聚类之Python实现手写数字图像MNIST分类

采用K-means聚类，实现多维矩阵的聚类，并进行可视化展示（matlab）.rar

PySpark-ClusterClassify 使用AWS Sagemaker在MNIST数据集上进行分布式KMeans聚类和XGBoost分类作业