k均值聚类分割算法的资料以及程序_k均值聚类分割资源-CSDN文库

共11个文件

caj：5个

kdh：2个

doc：2个

k均值聚类算法

matlab程序

5星 · 超过95%的资源需积分: 10 56 浏览量 2011-06-26 17:05:55 上传评论 2 收藏 6.61MB RAR 举报

资源推荐

资源详情

资源评论

收起资源包目录

聚类图像分割.rar （11个子文件）

聚类图像分割

人脑MR图像分割方法研究.nh 3.23MB

医学图像体分割的特征聚类算法.caj 485KB

一种适用于灰度图像分割的快速FCM算法.caj 354KB

基于K均值聚类分割彩色图像算法的改进.caj 993KB

K均值聚类算法.doc 24KB

K.doc 72KB

基于图的K_均值聚类法中初始聚类中心选择.caj 111KB

基于CT图像分析和聚类法的CT图像分割.caj 257KB

KMean.m 3KB

聚类分析及其在图像分割中的应用.kdh 1.4MB

电路板图像分割的K均值聚类算法研究.kdh 641KB

k 均值聚类算法

//***********引入库函数

#include "iostream.h"

#include "math.h"

#include "stdlib.h"

#include "iomanip.h"

#include "me.h"

#include "fstream.h"

//*************定义常量

const int TRUE=1;

const int FALSE=0;

const int MarkovLengh=10000;

const int MaxInnerLoop=10000;

const int MaxOuterLoop=60;

const double CO=0.1;

const double DeclineRate=0.95;

const long MAX=100000;

const int AcceptRate=1;

const double ForceDecline=0.9;

//************定义全局变量

int DataNum; //聚类样本数目

int Dimension; //样本维数

int K; //分类数

double *DataSet; //指向浮点型的指针

int HALT=0;

int Row=3;

//***************************************************************

// 类 GETDATA：设定全局变量，维数，样本数，和类别数等 ***

// 随机生成样本或手工输入样本的类 ***

//***************************************************************

class GETDATA{

public:

GETDATA();

void Display();

void Inial();

void Input();

double FRand(double,double);

double rand1,rand2; //随机数的高低值

};

GETDATA::GETDATA()

{

int i,j;

Dimension=2;

DataNum=50;

K=4;

DataSet=new double[Dimension*DataNum];

for(i=0;i<DataNum;i++)

{

for(j=0;j<Dimension;j++)

DataSet[i*Dimension+j]=(((double)rand()/(double)RAND_MAX)*100);

}

//*****************显示当前待聚类的样本(维数，个数，类别数等)

void GETDATA::Display()

{

int i,j;

cout<<" 当前样本集如下:"<<endl<<" {"<<endl;

for(i=0;i<DataNum;i++)

{

cout<<" [";

for(j=0;j<Dimension;j++)

{

cout<<" "<<setw(8)<<DataSet[i*Dimension+j];

}

cout<<" ] ";

if((i+1)%Row==0)

cout<<endl;

}

cout<<endl<<" }"<<endl;

cout<<endl<<" 以上实数样本集由计算机在 1---100 之间随机产，其中："<<endl;

cout<<endl<<" 样本维数 Dimension= "<<Dimension<<endl;

cout<<" 样本数 DataNum= "<<DataNum<<endl;

cout<<" 类别数 K= "<<K<<endl;

}

//****************输入待聚类样本，包括维数，个数，类别数等

void GETDATA::Input()

{

char Jag;

int i,j;

double s=0;

cout<<endl<<" 请依次输入: 维数样本数目类别数"<<endl;

cout<<endl<<" 维数 Dimension: ";

cin>>Dimension;

cout<<endl<<" 样本数目 DataNum: ";

cin>>DataNum;

cout<<endl<<" 类别数 K：";

cin>>K;

cout<<endl<<" 随机生成数据输入 R 人工输入按 B: "<<endl; delete[]DataSet;

DataSet=new double[Dimension*DataNum];

cin>>Jag;

if(Jag=='R'||Jag=='r')

{

cout<<" 输入随机数生成范围(最小值和最大值):"

<<endl<<" 最小值：";

cin>>rand1;

cout<<endl<<" 最大值：";

cin>>rand2;

for(i=0;i<DataNum;i++)

{

for(j=0;j<Dimension;j++)

DataSet[i*Dimension+j]=FRand(rand1,rand2);

}

else

if(Jag=='H'||Jag=='h')

{

for(i=0;i<DataNum;i++)

{

cout<<endl<<" 请输入第"<<i+1<<" 个样本的"<<Dimension<<" 个分量";

for(j=0;j<Dimension;j++)

cin>>DataSet[i*Dimension+j];

}

else

cout<<endl<<" 非法数据！ ";

}

//****************初始化聚类样本

void GETDATA::Inial()

{

char ch;

GETDATA::Display();

cout<<endl<<" 重新录入样本输入 A 开始聚类 B: ";

cin>>ch;

while(!(ch=='A'||ch=='a')&&!(ch=='B'||ch=='b'))

{

cout<<endl<<" 重新录入样本输入 A 开始聚类 B: ";

cin>>ch;

}

if(ch=='A'||ch=='a')

GETDATA::Input();

}

double GETDATA::FRand(double rand1,double rand2)

{

return rand1+(double)(((double)rand()/(double)RAND_MAX)*(rand2-rand1));

}

//***********************************************************

// 类 SSA: K-均值算法的实现 ***

// 功能：根据设定的 K,DataNum,Dimension 等聚类 ***

//***********************************************************

class SAA

{

public:

struct DataType

{

double *data;

int father;

double *uncle;

};

struct ClusterType

{

double *center;

int sonnum;

};

SAA();

void Inialize();

void KMeans();

void SA( );

void DisPlay();

void GetDataset(DataType *p1,double *p2,int datanum,int dim);

void GetValue(double *str1,double *str2,int dim);

int FindFather(double *p,int k);

double SquareDistance(double *str1,double *str2,int dim);

int Compare(double *p1,double *p2,int dim);

void NewCenterPlus(ClusterType *p1,int t,double *p2,int dim);

void NewCenterReduce(ClusterType *p1,int t,double *p2,int dim);

double MaxFunc();

void Generate(DataType *p1,ClusterType *c1);

double Compare(DataType *p1,ClusterType *c1,DataType *p2,ClusterType *c2);

void CopyStatus(DataType *p1,ClusterType *c1,DataType *p2,ClusterType *c2);

int SecondFather(DataType *p,int t,int k);

评论收藏

内容反馈

xuping6311846

2013-06-03

恩，很不错的程序及学习资料，可以运行出结果
wxb1980

2012-09-24

程序运行很成功，需要自己找例图。
jgq1991

2014-04-22

很好，可以理解
tanjing1234

2014-09-25

资料值得学习一下
spkk08

2012-05-24

程序很好用呢，要是C++的程序就更完美了

前往

页

FTfengtao

粉丝: 17
资源: 7

k均值聚类分割算法的资料以及程序

快速K-均值(kmeans)聚类图像分割算法源代码

基于k均值聚类的图像分割研究

基于K-means聚类的图像分割

Opencv Kmeans聚类进行图像颜色聚类分割（绝对有用）

基于 K-means 聚类算法的图像区域分割

基于纹理的图像分割方法

一个matlab的K均值聚类分割程序

kmeans均值聚类算法程序

k均值聚类算法MATLAB程序及注释

聚类算法——K均值算法的matlab程序

基于matlab的图像K均值聚类算法程序

基于K均值聚类与区域合并的彩色图像分割算法

经典聚类算法——K-Means算法实现（C#，适用于初学者）

将维对分和K均值算法分割图像.rar_K 聚类_cluster image_k-mean 聚类_k-means 分割_聚类算法

kmeans.rar_Kmeans 图像分割_kmeans 图像聚类_kmeans图像聚类_聚类 matlab 图像

遗传k均值聚类算法程序

K均值算法程序.rar_K-均值_K均值_K均值聚类算法_matlab_kjunzhi_聚类，分类

k-均值聚类算法 用于 图像分割

模糊C均值聚类分割算法，Matlab 程序

一维均值聚类算法matlab程序

用matlab实现基于灰度的阈值分割算法

em算法matlab代码-ImageSeg:聚类算法的无监督图像分割

K-means应用于图像处理matlab程序

k-means聚类算法及matlab代码-dpMMlowVar:贝叶斯非参数小方差渐近聚类算法

基于MATLAB和k-means算法实现的图像分割.zip

血液染色涂片数字图像红、白细胞计数

基于K平面的机载LiDAR数据分类，用于准确的建筑物屋顶测量

瑕疵检测代码-matlab-k-means-clustering-defect-inspection:结合过滤，边缘检测和k均值进行缺陷检查

matlab灰色关联度代码-Leaf-Classifier:神经网络和MATLAB图像处理技术支持的智能叶片病害检测

最新资源

k-均值聚类算法用于图像分割