分水岭 matlab代码 corn-seeds ###基于matlab的玉米种子破损识别 ###[本目录内代码均识别相对路径，请运行前设置MATLAB工作路径到该目录下] 该目录下pics目录中存储不粘连待识别图片，需保证图片尺寸为696x928,部分光线不均的图片经过PS调整; pics_adjoin目录中存储有粘连待识别图片，同样保证图片尺寸为696x928,部分光线不均的图片经过PS调整; seeds目录存储向量机训练所用的种子，该目录下有good和bad两种单个种子，都是经过旋转处理的具有一定方摆放向的的种子，便于机器学习; seeds目录下adjoin_pics_items目录中放的是有粘连种子图片中所有单个种子集合; seeds目录下adjoin_pics_rotated_items目录中放的是有粘连种子图片中所有经过旋转方向的单个种子集合； taged_pics目录下为不粘连图片的种子标签图，标签号码与seeds中种子图号对应； exercise.m为训练脚本，已经执行并生成svmStruct.mat文件，无需再次训练，除非种子库变更。该文件内存储向量机结构，做种子识别时

数据集文件都是csv文件格式。 iris数据集：鸢尾花卉数据集，可用作分类； wine数据集：葡萄酒数据集； seeds数据集：小麦数据集，可用作聚类分析。

kmeans聚类测试

这是一个关于番茄种子的数据集。 Tomato Seeds_datasets.txt Tomato Seeds_datasets.zip

提出一种半监督聚类算法,该算法在用seeds集初始化聚类中心前,利用半监督分类方法Tri-training的迭代训练过程对无标记数据进行标记,并加入seeds集以扩大规模;同时,在Tri-training训练过程中结合基于最近邻规则的Depuration数据剪辑技术对seeds集扩大过程中产生的误标记噪声数据进行修正、净化,以提高seeds集质量.实验结果表明,所提出的基于Tri-training和数据剪辑的DE-Tri-training半监督聚类新算法能够有效改善seeds集对聚类中心的初始化效果,提高聚类性能.

wine、seeds的arrf版本，可用于聚类分析或者分类分析的性能判断。

MATLAB数据集 seeds 用于模式识别、机器学习等的分类问题。

UCI经典的seeds数据集，可以做数据分析，比如聚类，K-means等等，就不用很麻烦的下载了噢，直接下了用就行了。

本文是研究生课程图像处理期末作业，内容是了解并入门超像素算法原理，主要介绍了超像素的评测标准，经典算法 SLIC，讨论了 SLIC 算法中的不足之处，以及 SLIC 的两个有效的改进算法 SEEDS 和 ETPS。

小麦种类预测，用于算法训练数据，方便自己和网友们使用学习，seeds.tsv文件，最后一列是小麦品种，其他列是小麦特征，根据特征来预测品种