基于K-means聚类的图像分割

用模拟退火k-means聚类算法实现样本库的聚类。

针对私人微博内容进行聚类研究,结合私人微博的内容和结构特点提出了基于K-means的改进聚类算法。通过添加引用和评论内容丰富了文本内容,降低了短文本矩阵向量严重稀疏性带来的聚类算法准确性降低的影响;通

k-means算法接受参数k；然后将事先输入的n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个

Cluster-based road sign detection (K-means) (MATLAB) (YUV)

基于核K-means的增量多视图聚类算法

基于K_means聚类算法的分析及应用.pdf

基于K均值聚类与区域合并的彩色图像分割算法u,相信ou有用的

在进行图像区域分割时, 为了减少过度分割现象, 可利用K 均值算法简单、快速并且能够有效地处理大数据库的优点及概率松弛算法并行快速且考虑空间信息的优点, 同时考虑灰度信息和空间信息将两种方法相结合应用

segamentation.py函数文件,基于k-means聚类

各种聚类程序，包括生成聚类树、k-means，模糊k-means等，中文注解