MATLAB实战系列（三十八）-基于K-means聚类算法的MATLAB图像分割

前言

以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！

MATLAB-30天带你从入门到精通

MATLAB深入理解高级教程（附源码）

tableau可视化数据分析高级教程

一、K-means聚类算法原理

K-means算法首先从数据样本中选取K个点作为初始聚类中心;其次计算各个样本到聚类的距离，把样本归到离它最近的那个聚类中心所在的类:然后计算新形成的每个聚类的数据对象的平均值来得到新的聚类中心;最后重复以上步骤，直到相邻两次的聚类中心没有任何变化，说明样本调整结束，聚类准则函数达到最优。

二、K-means聚类算法的要点

1.选定某种距离作为数据样本间的相似性度量

在计算数据样本之间的距离时，可以根据实际需要选择某种距离作为样本的相似性度量，距离越小，样本越相似，差异越小；距离越大，样本越不相似&#

文章来源: wenyusuran.blog.csdn.net，作者：文宇肃然，版权归原作者所有，如需转载，请联系作者。

原文链接：wenyusuran.blog.csdn.net/article/details/119237100