如何用Kmean算法在Matlab中实现图像压缩及代码示例？

本文共计455个文字，预计阅读时间需要2分钟。

Kmeans算法简介及工作过程如下：首先从N个数据对象中任意选择K个对象作为初始聚类中心，然后对剩余的每个对象，根据它与各个中心的距离，将它分配给最近的中心。这样，每个对象就分到了一个类别。接下来，重新计算每个类别的中心，即计算该类别中所有对象的均值。重复这个过程，直到聚类中心不再发生显著变化。

1 简介

Kmeans算法的工作过程如下：首先从n个数据对象任意选择K个对象作为初始聚类中心，而对所剩下的其他对象，则根据他们与这些聚类中心的相似度，分别将他们分配给与其最相似的聚类。然后，再计算每个所获新聚类中心，不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数，具体定义如下：

​

编辑

2 部分代码

function idx = findClosestCentroids(X, centroids)
% findClosestCentroids computes the closest centroid for each point based
% on the Euclidean distance between the point and the centroid
% Initialize variables
K = size(centroids, 1);
idx = zeros(size(X,1), 1); % returns index of closest centroid
for i=1:size(X,1)
temp = X(i,:);
[~,idx(i,1)] = min(sum(((bsxfun(@minus,temp,centroids)).^2),2));
end

3 仿真结果

​

编辑

4 参考文献

[1]王梦珍, 刘立, 王建,等. 基于Kmean和ELM的乳腺肿块检测方法[J]. 计算机工程与应用, 2015, 51(12):171-175.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。