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��

此程序实现灰度提取中值滤波等一系列的功能

这是模式分类中的课程代码， 其中包含所有的模式分类算法的实现实验， 程序时用matlab写的，代码质量较高，对学习模式分类 模式识别、 机器学习的同学有很重要的参考价值， 其中经典的算法有：均值聚类算法等 本实验的目的是学习和掌握k-均值聚类算法，通过对表格6 中的三维数据进行测试，进一 步加深了解。 (d) 编写程序实现k-均值聚类算法（本章中算法1）。 (e) 测试的类别数目和初始值为：c = 2， 1m (0) = (1,1,1)t ， 2 m (0) = (−1,1,−1)t ，进行实验。 (f) 测试的类别数目和初始值为：c = 2， 1m (0) = (0,0,0)t ， 2 m (0) = (1,1,−1)t ，进行实验。 将得到的结果与（b）中的结果进行比较，并解释差别，包含迭代次数的差别。 (g) 测试的类别数目和初始值为：c = 3， 1m (0) = (0,0,0)t ， 2 m (0) = (1,1,1)t ， 3m (0) = (−1,0,2)t ，进行实验。 (h) 测试的类别数目和初始值为：c = 3， 1m (0) = (−0.1,0.0,0.1)t ， 2 m (0) = (0,−0.1,0.1)t， 3 m (0) = (−0.1,−0.1,0.1)t，进行实验。将得到的结果与（d）中的结果进行比较，并解释 差别，包含迭代次数的差别。 表 6 样本 x1 x2 x3 样本 x1 x2 x3 1 -7.82 -4.58 -3.97 11 6.18 2.81 5.82 2 -6.68 3.16 2.71 12 6.72 -0.93 -4.04 3 4.36 -2.19 2.09 13 -6.25 -0.26 0.56 4 6.72 0.88 2.80 14 -6.94 -1.22 1.13 5 -8.64 3.06 3.50 15 8.09 0.20 2.25 6 -6.87 0.57 -5.45 16 6.81 0.17 -4.15 7 4.47 -2.62 5.76 17 -5.19 4.24 4.04 8 6.73 -2.01 4.18 18 -6.38 -1.74 1.43 9 -7.71 2.34 -6.33 19 4.08 1.30 5.33 10 -6.91 -0.49 -5.68 20 6.27 0.93 -2.78

针对模糊c-均值（FCM）聚类算法受初始聚类中心影响，易陷入局部最优，以及算法对孤立点数据敏感的问题，提出了解决方案：采用快速减法聚类算法初始化聚类中心，为每个样本点赋予一个定量的权值，用来区分不同的样本点对最终的聚类结果的不同作用，为提高聚类速度采用修正隶属度矩阵的方法，并将算法与传统的FCM相比。实验结果表明，该算法较好地解决了初值问题，与随机初始化方法相比，迭代次数少、收敛速度快、具有较好的聚类结果。

此程序是随机信号分析实验中产生均匀及高斯分布及其方差均值计算的，在tc上运行