搜索资源列表
fcm2
- 基于改进的FCM聚类算法对图像进行分割，步骤清晰，有中文说明-FCM clustering algorithm based on improved image segmentation, clear steps, a Chinese descr iption
fuzzy-clustering-segmentation
- 模糊聚类分割主函数及demo，直接运行就行，当然要有图片，-Main functions and fuzzy clustering segmentation demo, run directly on the line, of course, have pictures, Oh
clustering-system
- 本程序的最终目的是形成一套标准的用于聚类、可扩展的工具。包括的内容有1. 聚类算法：Kmeans和Kmedoid算法、FCMclust, GKclust, GGclust算法 2. 评估分类原型：程序可以在二维图像上绘制出聚类的结果 3. 验证：程序给每一个算法提供验证机制，每个聚类算法会统计Partition Coefficient (PC), Classification Entropy (CE), Partition Index (SC), Separation Index (S), Xi
color-cluster
- 基于opencv的图像颜色聚类算法。聚类精度较高，但颜色数目需要输入。-Opencv image-based color clustering algorithm. Clustering high accuracy, but the number of colors required to enter.
kind
- candy边缘检测，彩色图像的边缘检测，K均值聚类，sobel边缘检测（C）其他是matlab程序-candy edge detection, color image edge detection, K-means clustering, sobel edge detection (C) the other is a matlab program
test_FLICM
- FLICM一种基于模糊局部信息C均值聚类方法，是对传统FCM聚类方法的最近改进方法，具有更强的鲁棒性，效果明显优于传统算法。-A novel and robust FCM framework for image clustering called Fuzzy Local Information C-means (FLICM) clustering algorithm.
HCI
- 功能：求两幅图像的相似度，进而用于图像检索 尽管一幅彩色图像包含成千上万种颜色,但在多数情况下,图像中少数几种颜色就涵盖了图像中的大多数的象素颜色。这些颜色被称为主色。一些研究表明:使用主色一般不会降低颜色匹配效果。因此考虑一种次优可行的基于聚类颜色特征的相似度计算方法。 -Function: Find the similarity of two images, and then used for image retrieval although a color image con
FCM-Image-Cluster
- 使用FCM和HCM聚类算法对彩色图像进行聚类分割。-Use Fcm and HCM Method to cluster color image.
juleifengefa
- 一个简单的聚类分割算法，希望可以对初学者有用-A simple clustering segmentation algorithm, hoping to be useful for beginners
改进后的k均值聚类算法
- 这是加以改进后的聚类算法，适合研究聚类的学者使用。
K均值聚类
- K均值聚类算法图像分割，最传统的一种分割方法(K mean clustering segmentation)
K-mean
- K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大(K-means algorithm is a typical distance based clustering algorithm. The distance is used as the evaluation index of similarity, that is, the closer the distance between the two objects, the
dbscan的matlab代码实现
- 使用MATLAB对文档进行聚类，尤其在数据挖掘中使用，一般用于文本特征表示之后(Clustering documents using MATLAB)
K-Means PCA降维
- K-Means算法,不要求建立模型之后对结果进行新的预测，没有相应的标签，只是根据数据的特征对数据进行聚类。主成分分析降维对数据进行可视化操作,对features进行降维.(K-Means algorithm does not require the establishment of the model after the new prediction of the results, there is no corresponding tag, but only on the character
cluster_extraction
- 利用pcl对点云数据进行聚类分割，建立索引得到分割后的各个物体构建(Clustering and segmentation of point cloud data using PCL)
fcm
- 使用matlab实现C均值聚类算法 的代码(Using MATLAB to implement C means clustering)
ZPclustering
- 实现点的聚类，并用做图像分割，来源是文章：Self-Tuning Spectral Clustering (作者: Lihi Zelnik-Manor, Pietro Perona )(point clustering and image segmentation, algorithm is from paper:Self-Tuning Spectral Clustering(author: Lihi Zelnik-Manor, Pietro Perona ))
K均值聚类在基于OpenCV的图像分割中的应用
- 介绍了传统的图像分割与K-均值聚类算法分割，然后利用OpenCV函数将其实现，并介绍了OpenCV中图像分割相关的基本函数。(This paper introduces the segmentation of traditional image segmentation and K- mean clustering algorithm, then uses OpenCV function to implement it, and introduces the basic functions of
chameleon
- 一段修改后的变色龙聚类算法，可用于无监督聚类。(A modified chameleon clustering code, using matlab.)
Detect Vehicles
- 车辆检测算法，使用聚类外观模型特征的方法实现。(Vehicle detection algorithms are implemented using cluster appearance model features.)