【CUDA并行编程之八】Cuda实现Kmeans算法-附件资源

kmeans聚类算法在opencv中的实现，可实现单幅图像的聚类。将ncluster设置为2，即实现类似于二值化的功能。

本代码是全局kmeans算法在异构架构下的实现，使用cuda c语言编写。（声明，改代码是一位大牛所写，希望对你有用）

详细的词袋模型代码，用于图像检索等。用到了k近邻搜索，kmeans 算法等，注释清晰，利于学习交流。

official_classification.py ： 使用了较多的sklearn中提供的聚类函数 self_classification.py ： 使用了较多的手写聚类函数（手写高斯聚类由于计算高维矩阵n次方报错，就没有使用） 两者可以相互比较看手写函数效果如何。 model.py ： 其中包含了kmeans，lvq，mixture-of-gaussian聚类函数，以及计算精度和NMI的手写函数，处理标签映射的匈牙利算法。 由于学习向量量化是依据ground truth的得到的一组原型向量，是有监督的学习，因此计算其精度没有意义，在函数里就没有计算精度和NMI，只打印出了原型向量 函数运行时会有warning，不用在意，手写的函数没有优化，速度较慢 代码对三个数据集，分别使用了kmeans，lvq，mixture-of-gaussian三个方法，在得到预测标签后，采用匈牙利算法对标签进行处理，计算其精确度acc和标准互信息nmi 这三种方法聚类的精度只有百分之五十几，在数据集yale中效果较差 运行方法： 安装相应需求的库，直接运行official_classifica

kmeans-fuzzy-cmeans k-Means 和 Fuzzy c-Means 聚类算法的可视化。 源语言是 C#，用于图形绘制的 Oxyplot 库。

matlab实现遥感图像分割，利用kmeans算法

经典K-means聚类算法源码，包含算法各过程解析，易于入门理解

bag-of-words- 基于opencv-python的sift、kmeans、bow图像检索 需要配置opencv、sklearn、scipy、numpy 创建两个文件夹就行 默认图像训练文件名为dataset 我用的是101_ObjectCategories图片集 所以在读入图片时做了更改 默认查找图像文件名为query 用命令行执行python findFeatures.py -t dataset/ 开始生成模型 用命令行执行python search.py -i query/target.jpg 查找目标图片

一种基于学习向量量化(LVQ)和kmeans的半监督聚类算法，该方法能在少量标注数据上实现对未知数据的标注和分类。代码包含测试数据集Iris，代码直接运行main函数即可。