isodata的matlab代码博客-ISODATA:ISODATA算法的实现旨在将一组给定的图像划分为与特定属性相关联的子集（...

isodata 的 matlab 代码博客ISO数据 ISODATA 算法的实现旨在将一组给定的图像划分为与特定属性相关联的子集（集群） 聚类首先为所寻找的类设置平均值（类中心），或从现有签名中获取平均值。 在将所有可能的图像分配给集群之一后，重新计算均值（集群中心）。 现在将聚类分类过程中得到的均值作为聚类的中心，从头开始完全重复这个过程（下一次迭代）。 随着每次后续迭代，集群的数量可能会发生变化。 该过程一直持续到达到最大迭代次数（在开始时设置）。 在该程序中，您可以手动设置初始和最终簇数、簇大小、簇中包含的最小图像数和迭代次数。 让我们通过一个例子来考虑程序的结果。 初始簇数为 2，期望数为 4。簇中最小图像数为 3，迭代次数为 20。 例如，让我们形成几个训练样本。 在这些样本中，簇的形状不同（圆形、高度拉长和不规则），大小和彼此之间的距离也不同。 它们如下所示。 此外，该程序还实现了几种指定聚类初始中心的方法： 1. 前几张图像用作中心 2. 图像用作中心，它们之间的距离至少为 3. 图像用作中心，它们之间的距离是最大的 下面是算法的结果，用不同的方法为几个样本指定中心。 簇