Kmean、K均值聚类、无监督matlab算法若干案例，内含数据。

k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（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，误差平方和局部最小

使用K均值的体外LSCI图像中的血管定位 该存储库具有实现会议文章中描述的方法的功能：使用在“ 图像在体外的LSCI图像中进行血管定位” ，这是项目“血管的可视化和定位”的一部分而开发的。 抽象的 激光散斑对比度成像中血管的可视化和定位是生物医学应用（例如皮肤病学，神经科学和眼科学）中的一项重要任务，因为它可以确定血管的存在并评估诸如血流的性质。 这项工作建立了可视化方法的综述，用于对比度计算和激光散斑对比度成像的改进。 另外，通过聚类以自动方式提出了血管的定位。 结果表明，血管的定位很大程度上取决于对比度的计算和改善。 如果血管和生物组织区域彼此分开得很好，并且噪声水平较低，则K均值聚类是在激光斑点对比成像中定位血管的强大工具。 内容 组织 没有声明其他内容目录。 贡献者 算法，应用程序和工具的代码由以下人员贡献： F. Lopez-Tiro，H.Peregrina-Barreto，J

提取均值信号特征的matlab代码2021 年心脏病学挑战赛 PhysioNet/计算的 Python 示例代码 这个存储库中有什么？ 我们实现了一个随机森林分类器，它使用年龄、性别和 ECG 导联信号的均方根作为特征。 这个简单的示例说明了如何为挑战设置 Python 条目的格式，它应该在一两分钟内在个人计算机上完成在任何挑战训练数据集上的运行。 但是，它的设计目的不是很好（或者更准确地说，它的设计目的不是很好），因此您不应将其用作模型性能的基准。 此代码使用四个主要脚本（如下所述）为 2021 年挑战训练和测试您的模型。 如何运行这些脚本？ 您可以通过安装需求来运行此分类器代码 pip install requirements.txt 和跑步 python train_model.py training_data model python test_model.py model test_data test_outputs 其中training_data是训练数据文件的文件夹， model是保存模型的文件夹， test_data是测试数据文件的文件夹（你可以在本地使用训练数据进行调

模糊聚类算法： 我们已经实现了两种算法： 和 。 检查视频以获取算法的输出。 例子： 示例详细信息： 50次迭代 m = 2 4个集群 犯罪数据集的前2列：“谋杀，殴打” 实施细节： 科学工具学习类似的结构。 完全矢量化。 用于图像分割的用户界面。 在某些数据集上进行了测试。

该程序可以实现MATLAB中模糊K均值算法的实现，计算结果为聚类中心以及每个样本对聚类中心的隶属度函数

基于K-means(K均值)聚类算法的图像特征分割研究.m

无监督学习中用于数据分类的算法，包括原始数据。

ZYNQ图像处理工程，实现了均值滤波

MATLAB实现图像中值 均值 维纳滤波 源程序代码.zip