资 源 简 介
实施细节： K-手段是一个最古老和最常用的 usedclustering 算法。执行我所奉行的 K-均值航宇如下：） 首先我们选择 [RGB] 的图像。我们 givethis 图像作为输入到我们的节目和 k 值，是集群和错误阈值 value.b 的总人数) 然后我们随机选择 k 点作为集群的质心。我们转换为 RGB 图像单一颜色矩阵，在我们的 caseRED.c） 我们扫描每个像素 / 数据点的一个里程碑，为每个群集及其最接近的点距离从 correspondingcentroid.d) 重新计算由分配点的 averagingthe 位置的质心位置。我们用词作为大小 （op，1） 在 loopin 我们的代码。这意味着： 假设我们有一个矩阵大小为 10 * 10，那么 （op，1） 的大小将等于 100 [线阵] 笑） 我们需要重复步骤 c 和 d，直到 programterminates。为此，我们有一个值，在我们的 program.err_sum err_sum 求和的模式为每个群集当前和以往的质心之间的差异被称为。现在，一旦我们有了此值，我们将会比较此值与用户定义的 err_threshold 值。如果 err_sum 小于或等于 err_threshold 的值，程序收敛。我们现在已有输出，但它是以线性阵列的形式。因此，若要将它转换为多维数组，我们可以使用重塑命令/功能。因此，我们得到我们计算的图像。我们也理解 inputdata/图像通过其直方图，将显示在结果部分。
