搜索资源列表
将维对分和K均值算法分割图像
- 利用聚类算法分割图像，将维对分法只可将图像分为2部分，可以作为二值化的代码,K-均值法可将图像分为任意多部分。程序直接采用R、G、B三色作为特征参数，聚类中心为随机值，当然也可以采用其他参数，程序编译为EXE文件后速度还可以接受，但尚有改进的余地，那位高手有空修改的话，请给我也发份代码。-clustering algorithm using image segmentation, Victoria right method can only image is divided into two p
MeanShift
- meanshift聚类，找到聚类中心,以及数据的类别
kmeans(JAVA)
- JAVA实现的聚类中心的计算 算法比较简单 望多多指教 提宝贵意见
kmeans1
- k-均值聚类算法实现灰度图像分割，输入图像矩阵和聚类中心个数，返回为最终的聚类中心和图像中每个像素所属类的编号（对应于图像矩阵）
ClusterAnalysis
- 现在我们给定两幅ALV路标的捕捉图像，我们实际工作中首先要捕获路标（这里我们假定环境中已经有路标），而此时的景象是难以预知的：我们不知道路标在什么位置、是什么路标、除了路标还有那些图像模式？ 基本要求：使用本章学习的K－平均算法，以颜色分量（或几何性状）作为坐标参数，对景象图进行聚类分析，要求最后的分类结果将路标（可能包括少量相似区域）聚类为一个模式类别。试验报告同前面一样，要求给出样本模式点，绘制坐标图（标出各个聚类中心的迭代移动轨迹） ，绘制算法框图，给出结论。并检查上机结果。 -e
73462683ClusterImageSeg
- 模糊均值聚类FCM算法对图像的颜色聚类 进行图像分割 聚类个数和聚类中心都是事先决定的-Fuzzy-means clustering algorithm FCM clustering for color image segmentation and clustering the number of cluster centers are determined in advance
PRmatlabprogram
- matlab聚类，应用平均值法求新的聚类中心-matlab clustering, the application of the cluster center average method novelty
preprocess
- 数据预处理程序，可对数据进行聚类，得到聚类中心-data cluster
RoadX
- 比较完善的ISODATA聚类分析。 支持手动选择初始聚类中心，类似监督法分类。 支持8位、24位BMP图像操作。 选用2种ISODATA聚类算法。 聚类结束后可手动修改类别颜色。-A relatively complete ISODATA cluster analysis. Supports manual selection of the initial cluster centers, similar to a law on supervision category. S
KMEANS
- 用C语言实现的基于均值聚类算法的图像分割的中心程序-c kmeans
improved-MSER-algorithm-
- 本文在比较多种仿射不变性区域的基础上，选取最大稳定极值区域(MSER)对图像内容进行分割和提取，并通过构造仿射不变量的方法，对提取出来的区域进行规整化，进而从规整化的区域中提取SIFT描述子，然后根据匹配目标的需要进行特征的组合、变换，以形成易于匹配、稳定性好的特征向量，从而把图像匹配问题转化为特征的匹配问题 通过改进的K均值算法对特征向量进行聚类，聚类中心作为图像的视觉关键词:利用视觉关键词的思想，把文本检索技术领域的方法移植到图像检索应用上；并研究视觉关键词之间的空间约束关系。-Most r
SC_demo
- 整理图像特征点提取和分类的程序（可以作为场景分类的前期工作），自己调试过能运行，特征点提取用的SIFT算法，使用K-means聚类算法，将得到的20个聚类中心写入txt文本中-Finishing the image feature point extraction and classification procedures (which can be as the preparatory work of the scene classification), their own debugging
kkk
- k均值聚类，类数可以自行指定，结果显示聚类中心-K-means clustering, the class number can be specified on its own, and the results showed that the clustering center
kjunzhi
- k均值聚类，聚为2类，结果显示散点图，红色十字表示聚类中心-K-means clustering, the class number is 2, and the results showed that the clustering center
kjunzhiduolei
- k均值聚类，类数可以自行指定，输出散点图，红色十字为聚类中心-K-means clustering, the class number can be specified on its own, the output scatterplot chart, and the Red Cross for clustering center
kmeans
- 基于kmeans的图像分割源代码，通过设置几个初始聚类中心进行分割-kmeans image segmentation
Kmeans
- k均值聚类算法，可以有效的找到聚类中心，并且把两类聚在一起，很经典实用。-k-means clustering algorithm, can effectively find the cluster center, and the two categories together, very classic.
secai
- 简单的K均值聚类法，本文中选用了5个聚类中心点，具体的聚类中心个数可以参考灰度直方图来选取-Simple K-means clustering method, this paper has selected five cluster center, the specific number of cluster centers can refer to the histogram to select
AP聚类
- AP聚类算法是基于数据点间的"信息传递"的一种聚类算法。与k-均值算法或k中心点算法不同，AP算法不需要在运行算法之前确定聚类的个数。(AP clustering algorithm is a kind of clustering algorithm based on "information transfer" between data points. Unlike the k- mean algorithm or the k center point
k-means
- 实现k均值聚类算法，可以使用彩色图像，通过随机初始化聚类中心，完成聚类(The K-means clustering algorithm can use color images to initialize cluster centers randomly and accomplish clustering.)