tghk.net
当前位置:首页>>关于如何用matlab验证k-means算法效果的资料>>

如何用matlab验证k-means算法效果

function [ labels ] = kmeans_clustering( data, k ) [num,~]=size(data); ind = randperm(num); ind = ind(1:k); centers = data(ind,:); d=inf; labels = nan(num,1); while d>0 labels0 = labels; dist = pdist2(data, centers); [~,labels]...

[Idx,C,sumD,D]=Kmeans(data,3,’dist’,’sqEuclidean’,’rep’,4) 等号右边: kmeans:K-均值聚类 data是你自己的输入数据 3 是你要聚成3类 dist sqEuclidean 这2个参数,表示距离函数为欧式距离。什么是欧式距离自己百度 ’rep’,4 聚类重复次数4次...

data=input('请输入样本数据矩阵:'); m=size(data,1); n=size(data,2); counter=0; k=input('请输入聚类数目:'); whilek>m disp('您输入的聚类数目过大,请输入正确的 k 值'); k=input('请输入聚类数目:'); end if k==1 disp('聚类数目不能为...

[IDX,C,sumd] = kmeans(X,k) 其中X是只含数字部分的矩阵。k是要聚集的类数。

以MATLAB R2012b为例: 一、点击下图中红圈指示“Find Files”。 二、执行完步骤一,出现下图,先在红圈1中输入“kmeans”,再在红圈2中选择文件类型为“.m“,再在红圈3中选择搜索范围”Entire MATLAB path“,再点击红圈4中”Find“,然后就会出现红圈5...

% 可能是聚类后的图像数据不匹配,用如下代码试试 iidx = uint8(iidx);level = graythresh(iidx);imageout = im2bw(iidx,level);imshow(imageout);

哥们和我做的题目一样呀。。

%随机获取100个点 X =[randn(100,2)+ones(100,2);randn(100,2)+[ones(100,1),-ones(100,1)]]; opts =statset('Display','final'); %调用Kmeans函数 %X N*P的数据矩阵 %Idx N*1的向量,存储的是每个点的聚类标号 %Ctrs K*P的矩阵,存储的是K个聚类...

function [mu,mask]=kmeans(ima,k)%k为指定类别数 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % % kmeans image segmentation % % Input: % ima: grey color image灰度图像 % k: Number of classes指定的图像中类别数目 % ...

K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。K-means算法以偶是距离作为相似度测度,它是求对应某一初始聚类中心向量V最...

网站首页 | 网站地图
All rights reserved Powered by www.tghk.net
copyright ©right 2010-2021。
内容来自网络,如有侵犯请联系客服。zhit325@qq.com