《模式识别》课本中的一道课后题的代码实现 C均值算法 也叫做 K means

为提高对车辆图像的检测程度和实时性，针对智能交通系统，通过对实时路况的信息采集和视频图像的处理，提出了一种基于差分均值的背景提取计算方法和矩阵分区域的阴影检测方法，最终得到一个视频车辆的检测原型，从而实现对运动车辆的检测。实验结果表明，此种方法简单、计算量小、鲁棒性高，能快速地提取出背景图像，检测出比较完整的车辆阴影，可满足多运动目标的实时检测要求。

python实现k-means算法图片的变化检测。变化检测是从不同时期的遥感数据中定量分析和确定地表变化的特征与过程；遥感变化检测是一个确定和评价各种地表现象随时间发生变化的过程；遥感变化检测是遥感瞬时视场中地表特征随时间发生的变化引起两个时期影像像元光谱响应的变化。

传统模糊??-均值(FCM) 算法要求一个样本对于各个聚类的隶属度之和满足归一化条件, 从而导致算法对噪声和孤立点敏感, 对非均衡分布样本的聚类有效性降低. 针对该问题, 提出一种改进模糊隶属函数约束的FCM聚类算法, 通过放松归一化条件, 推导出新的隶属度划分公式, 并在聚类过程中不断进行隶属度修正, 从而达到消除噪声样本、提高聚类有效性的目的. 最后通过实验结果对比验证了改进算法的正确性.

本程序采用C#实现了K均值聚类，批处理文件中的参数为需要批处理的文件名，文件中的每一行为一个文件，在实际使用中，可以更加需要修改

均值滤波曲率处理斜坡单元，按论文里来处理流程做的斜坡单元工具箱，但是结果和之前的斜坡单元差强人意，请谨慎下载

自适应k均值 matlab 代码

一起 k 均值 matlab 代码介绍 SMCL（Self-Adaptive Multi-Prototype-based Competitive Learning）的Matlab代码 作者： 接触： 演示 种子点的数量逐渐增加，直到一个种子点被竞争学习赶走。 用法 以数据集名称作为参数直接运行 smcl.m。 例如： smcl gaussian 输出示例 这些代码输出四个数字和一组数字度量。 命令行输出： >> smcl gaussian SMCL starts on dataset gaussian... epoch 1 epoch 2 epoch 3: duplicate seed point 1 epoch 4 epoch 5 epoch 6 epoch 7: duplicate seed point 1 epoch 8 epoch 9 epoch 10 epoch 11: duplicate seed point 4 epoch 12 epoch 13 epoch 14 epoch 15 epoch 16 epoch 17: duplicate seed point 2 epo

压缩包内包含源代码，报告和实验数据。本实验采用C均值聚类和分裂聚类对数据 进行聚类，数据集为435个男女身高体重，分析不同的初始聚类中心对结果的影响；分裂聚类与C均值聚类在结果上的差别；聚类指标与聚类别数的关系

均值迭代求阈值方法 1. 选择一个初始阈值的估计值T（一个好的初始值是灰度的均值）。 2.用该阈值把图像分割成两个部分R1和R2； 3. 分别计算R1和R2的灰度均值µ1和µ2； 4. 选择一个新的阈值T：T＝(µ1＋µ2)/2； 5. 重复步骤2-4直至后续的迭代中平均灰度值µ1和µ2保持不变。