K-MEANS算法

标准化：将数据的值按比例值缩放，归一化到0~1范围内，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。

K-means算法对随机选取 K个初始点作为初始值是很敏感的，结果非常依赖初始值

使用Kmeans进行图像压缩：

# -*- coding: utf-8 -*-from skimage import io
from sklearn.cluster import KMeans
import numpy as npimage = io.imread('test2.jpg')
io.imshow(image)
io.show()#查看像素点
rows = image.shape[0]#行数h
cols = image.shape[1]#列数w
#c指的是颜色通道
image = image.reshape(image.shape[0]*image.shape[1],3)#彩色图像三维：h*w*c    reshape成2维：h*w，c
kmeans = KMeans(n_clusters = 128, n_init=10, max_iter=200)#n_clusters指的是簇的个数，别的可以不用管，也可以不指定
kmeans.fit(image)#fit数据clusters = np.asarray(kmeans.cluster_centers_,dtype=np.uint8)
labels = np.asarray(kmeans.labels_,dtype=np.uint8 )
labels = labels.reshape(rows,cols);#reshape回去，变成二维图像（灰度图）print (clusters.shape)
np.save('codebook_test.npy',clusters)
io.imsave('compressed_test.jpg',labels)#压缩后的图像，原来的三通道变为1通道，原来的取值0-265，现在只能为0-128

test2.jpg：

(128, 3)

image = io.imread('compressed_test.jpg')
io.imshow(image)
io.show()

DBSCAN聚类使用到一个k-距离的概念，k-距离是指：给定数据集P={p(i); i=0,1,…n}，对于任意点P(i)，计算点P(i)到集合D的子集S={p(1), p(2), …, p(i-1), p(i+1), …, p(n)}中所有点之间的距离，距离按照从小到大的顺序排序，假设排序后的距离集合为D={d(1), d(2), …, d(k-1), d(k), d(k+1), …,d(n)}，则d(k)就被称为k-距离。也就是说，k-距离是点p(i)到所有点（除了p(i)点）之间距离第k近的距离。对待聚类集合中每个点p(i)都计算k-距离，最后得到所有点的k-距离集合E={e(1), e(2), …, e(n)}。

根据经验计算最少点的数量MinPts：确定MinPts的大小，实际上也是确定k-距离中k的值，如DBSCAN算法取k=4，则MinPts=4。

离群点如果想多一点，可以减小半径r和MinPts。

MinPts设置大了，簇的个数会变少。

转载于:https://www.cnblogs.com/tianqizhi/p/9171846.html

聚类算法_案例实战：聚类实战相关推荐

kmeans聚类算法_基于K-means聚类的用户用电行为分析
大数据时代,通过简单的仪表监测家庭.工厂等地的实时用电量后,可以通过聚类算法对用户用电特征进行聚类,这有利于: 1.将用电行为类似的用户进行聚合,以便用电公司提供更合理的套餐服务: 2.根据不同类型的 ...
现代分层、聚集聚类算法_分层聚类：聚集性和分裂性-解释
现代分层.聚集聚类算法 Hierarchical clustering is a method of cluster analysis that is used to cluster similar ...
python谱聚类算法_谱聚类（spectral clustering）原理总结
谱聚类(spectral clustering)是广泛使用的聚类算法,比起传统的K-Means算法,谱聚类对数据分布的适应性更强,聚类效果也很优秀,同时聚类的计算量也小很多,更加难能可贵的是实现起来也 ...
06 聚类算法 - 代码案例二 - K-Means算法和Mini Batch K-Means算法比较
03 聚类算法 - K-means聚类 04 聚类算法 - 代码案例一 - K-means聚类 05 聚类算法 - 二分K-Means.K-Means++.K-Means||.Canopy.Mini ...
聚类算法_层次聚类_密度聚类(dbscan,meanshift)_划分聚类(Kmeans)详解
注: 两整天的成果,谬误之处勿喷 1 聚类概述样本没有训练的样本没有标注的样本 1.1 相似度度量 1.1.1 距离相似度度量距离度量 dist(oi,oj)dist(o_{i},o_{j}) ...
聚类算法小记(part2)--谱聚类
学习笔记,仅供参考,有错必纠转载自:谱聚类(spectral clustering)原理总结文章目录谱聚类(spectral clustering)原理总结谱聚类概述谱聚类基础之一:无向权重 ...
张伟伟-层次1 Mean_shift聚类算法和其他的聚类算法
pycharm使用的简单教程层次一 Mean_shift聚类算法和其他的聚类算法作者介绍 1. 安装包的准备: 2. Mean-shift原理及实现 2.1 Mean-shift原理 2.2 主要 ...
K-means聚类算法和模糊C-means聚类算法
K-means聚类算法和模糊C-means聚类算法 1.K-means聚类算法 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, ...
道路匹配MapMatching：GPS轨迹点常用聚类算法介绍（K-Means聚类、蚁群算法等）
道路匹配MapMatching:GPS轨迹点常用聚类算法介绍(K-Means聚类.蚁群算法等) 前言一.聚类算法是什么? 二.道路匹配中常见聚类算法介绍 1.K-Means算法 2.基于时间和距离的 ...

聚类算法_案例实战：聚类实战

K-MEANS算法

使用Kmeans进行图像压缩：

聚类算法_案例实战：聚类实战相关推荐

最新文章

热门文章