可视化分类结果，只弄了2维的可视化 需要在同文件中自己新建一个生产的数据文本 看看你就懂了，完全按照k均值聚类的思想写的

添加高斯噪声，并用高斯滤波、均值滤波、中值滤波、双边滤波四种滤波去噪方式，并且分别得到这四种滤波后的信噪比值，通过比较信噪比值，得到最佳的滤波去噪处理方式。添加噪声的浓度可以改变，并且也可以改变卷积核滤波器大小，通过控制条件进行对比得到最佳实验结果。

机器视觉基础 | image-k-means | 基于 k-均值聚类算法图像分割

高效且紧凑的代码，用于在不使用 for 循环的情况下获取 2D 矩阵中每个对角线（或反对角线）的平均值。 适用于大型矩阵，尤其适用于高矩阵或宽矩阵。 请注意，使用 diag() 函数的 for 循环实现可能更快，并且在应用于接近方阵时具有更低的内存要求（特别是如果可以避免缓慢的 mean() 函数）。 但是，如果必须为多个相同大小的矩阵（在循环中）计算跨对角线的均值，则此实现的内联版本通常更快。

什么是形态学处理 • 形态学本来是生物学的一个分支，用来研究动植 物的形态与结构。在数字图像领域，数学形态学 被当作工具用来消除、扩增或提取对于表达与描 绘区域形状有用的图像元素，比如连通域、边界、 骨架或者凸壳等。 • 数学形态学的语言是集合论，通常应用于只有黑 白二色的二值图像，多数情况下，黑色表示前 景，白色表示背景

基于matlab的聚类算法合集，包括k均值、DBSCAN、高斯混合、均值漂移四种算法，可运行，适合初学者。

数字图像处理 均值中值滤波 北航实验课件

行业制造-电动装置-一种基于K均值的高铁电能质量监测数据分类方法.zip

二分K均值算法matlab代码k均值用于流式传输和分布式大稀疏数据 介绍 在此存储库中，我们提供了核心集算法的Matlab实现，可用于以下方面的评估： k均值用于流传输和分发大稀疏数据。 Artem Barger和Dan Feldman。 2016年SIAM数据挖掘国际会议论文集。 工业和应用数学学会，2016年。 演算法 我们提供了以上论文中使用的三种算法的实现： 统一核心集 不一致的最强（基于灵敏度） 我们的算法（确定性核心集构建） 原料药 Coreset算法提供了两个非常基本的API： 从R^d给定点P的集合： computeCoreset(P ）-将点P压缩为加权集C的核心集 给定两个核心集C1和C2： mergedCoreset(C1, C2) -将两个核心集合并为一个新的C'。 详细用法 矩阵Matrix.m 矩阵抽象将R^d中n P点的集合封装在大小为n-by-d R^d的矩阵中。 PointFunctionSet - PointFunctionSet.m 表示加权点集的类，根据将点映射为实际值（权重）的函数来表示。 统一核心集uniformCoreset.m 使用以下A

基于自适应K均值聚类的关键帧提取，李秀环，，视频关键帧通常会反映一个视频的主要内容, 能大大减少视频索引的数据量, 是视频分析和基于内容视频检索的重要基础之一。本文提出��