gjk算法(gjk算法 MATLAB)

gjk算法(gjk算法 MATLAB)svg xmlns http www w3 org 2000 svg style display none svg

大家好,我是讯享网,很高兴认识大家。



 <svg xmlns="http://www.w3.org/2000/svg" style="display: none;"> <path stroke-linecap="round" d="M5,0 0,2.5 5,5z" id="raphael-marker-block" style="-webkit-tap-highlight-color: rgba(0, 0, 0, 0);"></path> </svg> <p>关于K聚类&#xff0c;我曾经在一篇博客中提到过&#xff0c;这里简单的做个回顾。</p> 

讯享网

KMeans的步骤以及其他的聚类算法

K-均值是因为它可以发现k个不同的簇,且每个簇的中心采用簇中所含值的均值计算

其他聚类算法:二分K-均值

讲解一下步骤,其实就是说明一下伪代码

讯享网

OpenCV中使用cv2.kmeans()对数据进行分类

1. data:应该是np.float32类型的数据,每个特征应该放在一列。

2. K:聚类的最终数目

3. criteria:终止迭代的条件。当条件满足,算法的迭代终止。它应该是一个含有3个成员的元组,它们是(type,max_iter, epsilon):

type终止的类型:有如下三种选择:


讯享网

- cv2.TERM_CRITERIA_EPS 只有精确度epslion满足时停止迭代

- cv2.TERM_CRITERIA_MAX_ITER 当迭代次数超过阈值时停止迭代

– cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER 上面的任何一个条件满足时停止迭代

max_iter:最大迭代次数

epsilon:精确度阈值

4. attempts:使用不同的起始标记来执行算法的次数。算法会返回紧密度最好的标记。紧密度也会作为输出被返回

5. flags:用来设置如何选择起始中心。通常我们有两个选择:cv2.KMEANS_PP_CENTERS和 cv2.KMEANS_RANDOM_CENTERS。

输出参数:

1. compactness:紧密度返回每个点到相应中心的距离的平方和

2. labels:标志数组,每个成员被标记为0,1等

3. centers:有聚类的中心组成的数组

 

在这里插入图片描述

我们使用KMeans函数。先设置好终止条件。10次迭代或者精确度epsilon=1.0

讯享网

在这里插入图片描述

在这里插入图片描述

 

在这里插入图片描述

分别取K=2、4、8

讯享网

在这里插入图片描述

小讯
上一篇 2025-05-07 11:34
下一篇 2025-06-13 16:01

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/155401.html