在二值图像中，非零点之间的进行聚类，使用矩形框进行标记其区域过程中，主要解决相邻的两个矩形框之间重叠区域和嵌套现象。仅作参考.注:因开发周期只有几个小时地时间.代码有不规范地方,请各位见谅.关于Image Engineering& Computer Vision更多讨论与交流，敬请关注本博客和新浪微博songzi_tea....
分类：
其他好文 时间：
2014-08-10 13:02:10
阅读次数：
239
原文地址http://blog.sina.com.cn/s/blog_62186b460101ard2.html这里只是将比较重要的部分转一下另外还有一篇关于层次聚类的http://blog.csdn.net/jwh_bupt/article/details/7685809聚类分析就仅根据在数据中发...
分类：
数据库 时间：
2014-08-08 17:40:26
阅读次数：
425
聚类（Clustering）分析有一个通俗的解释和比喻，那就是“物以类聚，人以群分”。针对几个特定的业务指标，可以将观察对象的群体按照相似性和相异性进行不同群组的划分。经过划分后，每个群组内部个对象间的相似度会很高，而在不同群组之间的对象彼此间将具有很高的相异度。 聚类技术一方面本身就是一种...
分类：
其他好文 时间：
2014-08-06 01:52:50
阅读次数：
203
这个暂时还不太明白，先写一点明白的。EM:最大期望算法，属于基于模型的聚类算法。是对似然函数的进一步应用。我们知道，当我们想要估计某个分布的未知值，可以使用样本结果来进行似然估计，进而求最大似然估计就可以估计出要求的参数。但是有时候还会有未知参数，这样就不能使用极大似然估计。当然这个参数与我们要估计...
分类：
其他好文 时间：
2014-08-05 18:17:09
阅读次数：
180
聚类： 是否可以将事物归为一个簇，完全取决于我们在考量它们之间相似性时所选择的特征参数。 聚类，就是将一个给定文档中的相似项目分成不同簇的过程，我们可以将这些簇看做一组簇内相似而簇间有别的项目的集合。 1、一个算法，将书组织在一起的方法 2、相似性和不相似性的概念 3、停止的条件 簇的中...
分类：
其他好文 时间：
2014-08-04 17:08:07
阅读次数：
172
我们来说一下另一个很流行的算法：Gaussian Mixture Model (GMM)。事实上，GMM 和 k-means 很像，不过 GMM 是学习出一些概率密度函数来（所以 GMM 除了用在 clustering 上之外，还经常被用于 density estimation ），简单地说，k-m...
分类：
其他好文 时间：
2014-08-04 16:57:17
阅读次数：
295
前一篇我们了解了一个最基本的 clustering 办法 k-means ，这次要说的 k-medoids 算法，其实从名字上就可以看出来，和 k-means 肯定是非常相似的。事实也确实如此，k-medoids 可以算是 k-means 的一个变种。 k-medoids 和 k-mean...
分类：
其他好文 时间：
2014-08-04 16:54:17
阅读次数：
232
均移：指偏移的均值向量，是一种非参数技术 主要思想：首先随机选择一个初始的感兴趣区域（初始窗）并确定其重心，接下来，搜索周围点密度更大的感兴趣区域并确定其重心 重复上面的过程不断将均值移动直到收敛。均移方法中，需要确定多变量密度核估计器。其中，核函数的作用是是的随着特征点与均值的距离不同，对均值的便...
分类：
其他好文 时间：
2014-07-28 23:31:34
阅读次数：
278
一，引言
之前几个章节讨论的都是监督聚类，从本章开始讨论非监督聚类，即训练模式不带标签的情形。
聚类的步骤：
1，特征选择。选取最能够表示我们目标物体信息的特征。
2，相似性度量。给出两个特征量相似点或者不想似的地方。
3，聚类标准。聚类标准。可能由损耗函数（cost function）或者其他形式表达。
4，聚类算法。根据相似性度量和聚类标准，阐明数据的结构。
5，...
分类：
其他好文 时间：
2014-07-28 16:10:33
阅读次数：
181
算法简介：
K-Means算法是输入聚类个数k，以及包含n个数据对象的数据库，输出满足方差最小标准的k个聚类。并使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中
对象相似度较小。
算法假设：
均方误差是计算群组分散度的最佳参数。
算法输入：
聚类个数k；...
分类：
其他好文 时间：
2014-07-28 00:03:39
阅读次数：
343
