首页 > 其他 > 详细

kmeans聚类分析(OpenCV案例源码kmeans.cpp解读)

时间:2020-03-10 14:14:55      阅读:118      评论:0      收藏:0      [点我收藏+]

double kmeans( InputArray data, int K, InputOutputArray bestLabels,TermCriteria criteria, int attempts,int flags, OutputArray centers = noArray() );
data——原始数据集,行为样本列为特征。
K——聚类的类别数。
bestLabels——每个样本所属的类别标签,从0开始,样本数行1列的矩阵。
criteria——迭代终止条件,TermCriteria(TermCriteria::EPS + TermCriteria::COUNT, 10, 1.0),10次迭代、期望准确率1.0
attempts——运行kmeans的次数,取结果最好的那次聚类为最终的聚类。
flags——聚类中心初始化
    KMEANS_RANDOM_CENTERS 随机初始化
    KMEANS_USE_INITIAL_LABELS 第一次初始化使用用户设定的,之后使用随机的(random or semi-random centers)。
    KMEANS_PP_CENTERS 算法kmeans++的center
centers——最终最优的聚类的中心。

返回值——点的紧凑程度,越小越紧凑。

 

kmeans聚类分析(OpenCV案例源码kmeans.cpp解读)

原文:https://www.cnblogs.com/xixixing/p/12455316.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!