1、概述 本篇博文为数据挖掘算法系列的第一篇。现在对于Kmeans算法进行简单的介绍，Kmeans算法是属于无监督的学习的算法，并且是最基本、最简单的一种基于距离的聚类算法。 下面简单说一下Kmeans算法的步骤： 选随机选取K的簇中心（注意这个K是自己选择的） 计算每个数据点离这K个簇中心的距离，然后将这个点划分到距离最小的簇中 重新计算簇中心，即将每个簇的所有数据点相加求均值，将这个均值作为对应簇的新簇中心。 重复2、3步，直到满足了你设置的停止算法迭代的条件 注意：停止算法迭代的条件一般有三个： 没有（或最小数目）对象被重新分配给不同的聚类。 没有（或最小数目）聚类中心再发生变化。 误差

Mean shift 算法在彩色图像分割中的应用.doc

多元正态分布(多元高斯分布) 直接从多元正态分布讲起。多元正态分布公式如下： 这就是多元正态分布的定义，均值好理解，就是高斯分布的概率分布值最大的位置，进行采样时也就是采样的中心点。而协方差矩阵在多维上形式较多。 协方差矩阵 一般来说，协方差矩阵有三种形式，分别称为球形、对角和全协方差。以二元为例： 为了方便展示不同协方差矩阵的效果，我们以二维为例。(书上截的图，凑活着看吧，是在不想画图了) 其实从这个图上可以很好的看出，协方差矩阵对正态分布的影响，也就很好明白了这三个协方差矩阵是哪里来的名字了。可以看出，球形协方差矩阵，会产生圆形(二维)或者球形(三维)的等高线，对角协方差矩阵和全协方

【图像检测】基于K-mean和形态学算法实现叶子病虫害检测matlab源码.zip

本次测试基于MovieLens数据集实现的基于物品的协同过滤，目前只是在小样本上实现，主要问题是计算太耗内存，后期代码继续优化与完善。 数据集说明：movies.dat中数据是用户对电影的评分。数据格式：UserID::MovieID::Rating::Timestamp。 代码 import pandas as pd import numpy as np import math import os import time import datetime os.chdir(r'f:\zxx\pthon_work\CF') def loadData(): #读入movies.dat, r

基于mean shift图像检索matlab代码，包括mean shift图像平滑和图像分割 基于mean shift图像检索matlab代码，包括mean shift图像平滑和图像分割

本研究介绍了一种名为weIghted meaN oF vectOrs（INFO）的创新优化器的分析和原理，以优化不同的问题。INFO是一种修正的权重均值方法，其中加权均值思想用于实体结构，并使用三个核心过程更新向量的位置：更新规则，向量组合和局部搜索。更新规则阶段基于基于均值的定律和收敛加速，以生成新的向量。向量组合阶段创建获得的向量与更新规则的组合，以实现有希望的解决方案。INFO中改进了更新规则和矢量组合步骤，以提高勘探和开发能力。此外，本地搜索阶段有助于该算法摆脱低精度解决方案，并改善开发和收敛。INFO的性能在48个数学测试函数和5个约束工程测试用例中进行了评估。根据文献，结果表明，INFO在勘探和开发方面优于其他基本和先进的方法。在工程问题的情况下，结果表明INFO可以收敛到全局最优解的0.99%。因此，INFO算法是优化问题中实现最优设计的有前途的工具，这源于该算法在优化约束情况下的可观效率。

Mean-shift MATLAB code.简单易用。当前比较流行的聚类方法

水下目标检测与跟踪：GVF Snake和Mean Shift，张学武，凌明强，针对水下光学图像清晰度低和物体颜色失真造成水下目标检测困难的问题，本文提出了一种基于Mean Shift和GVF Snake混合模型的水下目标检��

将模糊集理论和k-means聚类联系起来，设计了模糊k-means聚类算法，其聚类效果比单纯的k-means要好。