搜索资源列表
K聚类
- 基于K均值聚类的图像检索：用K均值聚类方法提取图像特征进行检索-K-means clustering - based Image Retrieval : K-means clustering method of extracting image features Search
K聚类
- 基于K均值聚类的图像检索：用K均值聚类方法提取图像特征进行检索-K-means clustering- based Image Retrieval : K-means clustering method of extracting image features Search
K-Means
- K均值聚类算法 C++实现的K均值聚类算法。-K means clustering algorithm C++ Achieved K-means clustering algorithm.
k-means_cluster
- 通过将一幅图像的sift特征提取出来，然后对他们采用k均值方法进行聚类-By an image feature extraction sift out, and then on their way to the use of k-means clustering
K
- K-均值聚类算法，对数据进行聚类分析，可用于提取关键帧等。用matlab实现-K-means clustering algorithm, cluster analysis of data that can be used, such as key fr a me extraction. Using matlab to achieve
Img2
- VC++开发的基本图象处理程序，包括分割，滤波，K均值分割，骨架提取，形态学方法，Hough变换等。-VC++ development of the basic image processing procedures, including segmentation, filtering, K mean segmentation, skeleton extraction, morphological methods, Hough tran
Kmeansclustering
- 示例程序使用K均值聚类的方法实现了对位图图像的分割即轮廓提取，程序中附带一张位图，可直接打开查看效果、-Sample programs using the K-means clustering methods have been exported to a bitmap image segmentation or contour extraction, the program comes with a digital map, can
845
- 对电路板的图像进行分割，可以提取电路板中的目标物，以对电路板进行检测。文章使用K均值聚类算法完成对电路板图像的分割，针对传统的K均值聚类算法的不足，提出了使用直方图波形的有效波峰个数来确定K值的大小，并通过使用一种比传统的绝对误差的表示更简洁的表达式，达到了快速分割的目的。对一些电路板图像分割的实验结果表明，文章的方法能够根据目标物的数目有效的确定K值的大小，且比传统的K均值算法减少了运算量及计算时间。-On the circuit b
code
- 基于内容的图像识别特征提取部分——k-均值聚类分割获取形状等信息-Content-based image recognition, feature extraction part of- k-means clustering segmentation information for shape
improved-MSER-algorithm-
- 本文在比较多种仿射不变性区域的基础上，选取最大稳定极值区域(MSER)对图像内容进行分割和提取，并通过构造仿射不变量的方法，对提取出来的区域进行规整化，进而从规整化的区域中提取SIFT描述子，然后根据匹配目标的需要进行特征的组合、变换，以形成易于匹配、稳定性好的特征向量，从而把图像匹配问题转化为特征的匹配问题 通过改进的K均值算法对特征向量进行聚类，聚类中心作为图像的视觉关键词:利用视觉关键词的思想，把文本检索技术领域的方法移植到图像检
mean-K-KPCA
- 通过核 K- 均值聚类的方法对语音帧进行聚类 , 由于聚类的中心能够很好地代表类内的特征, 用中心样本帧取代该类, 减少了核矩阵的维数, 然后再采用稀疏 KPCA方法对核矩阵进行特征提取。-Through the nuclear K-means clustering method for clustering of speech fr a mes, the cluster center can be a good representat
hyperspectral-data-processing
- 高光谱数据处理基本算法，异常点检测，端元提取，丰度图K均值聚类，PCA算法-anomalydetection endmemberExtraction Kmeansclustering by abundancemap PCA NAPCA
background-model3
- 针对背景差法易受外界环境因素影响的缺点, 提出了一种基于改进K-均值聚类的背景建模方法。通过比较任意样本与该像素位置处的子类中心之间的距离, 对各个像素的观察值进行聚类, 并在聚类过程中逐步确定其类别数。一段时间的学习之后, 样本数最多的子类就构成了背景模型。仿真结果表明, 该算法即使在运动目标存在的情况下也能准确的提取出实际的 背景, 而且显著地降低了系统的存储量。-Aimed at the disadvantage that b
tiqubeijing
- 对叶片进行预处理和提取部分特征：1.均值去噪 2.k均值聚类提取复杂背景下的叶子图片 3.填充孔洞 4.去叶柄 5.提取轮廓 6计算纵横轴比、面积凹凸比、周长凹凸比、球形性、圆形性、偏心率、形状参数和矩形度等特征值并进行画图。- Pretreatment of leaves and extract some of the characteristics: a mean denoising 2.k means clusterin
lenhai
- 计算多重分形非趋势波动分析，小波包分析提取振动信号中的特征频率，基于K均值的PSO聚类算法。- Calculate the multifractal trend fluctuation analysis, Wavelet packet analysis to extract vibration signal characteristic frequency, K-means clustering algorithm based on t
K-means
- K均值聚类方法，用于图像处理，图像分割，提取不同特征。-K-means clustering method
naobanqiu
- 从脑部MRI图像中提取出左、右脑半球.对腐蚀后的二值图像的各连通区域进行标记，最后找到最大的连通区域.K均值聚类算法，根据要求有k 5或4；-Extracted the left and right hemispheres of the brain MRI image
MRIxiaonaonaogan
- 从脑部MRI图像中提取小脑和脑干，分别采用k均值聚类算法，阈值分割，形态学操作，分水岭算法，区域合并-Brainstem and cerebellum extracts the brain MRI images were used to k-means clustering algorithm, thresholding, morphological operations, watershed algorithm, region me
MRIzuoyounaobanqiu
- 从脑部MRI图像中提取左右脑半球，分别采用k均值聚类算法，阈值分割，形态学操作，分水岭算法，区域合并-Extracted the brain MRI image left and right brain hemispheres, respectively k-means clustering algorithm, thresholding, morphological operations, watershed algorithm,
K—均值聚类提取
- k均值聚类提取，适合学习。先将RGB图像转换到LAB空间，在LAB空间进行聚类分割。(K-means clustering is suitable for learning. First convert the RGB image to LAB space and perform clustering and segmentation in the LAB space.)