3.4 聚类方法 (K-Means、Mean Shift)

文档摘要

3.4 聚类方法 (K-Means、Mean Shift) 3.4 聚类方法 (K-Means、Mean Shift) 聚类方法是图像分割中一种重要的非监督学习方法。它的核心思想是将图像中的像素按照一定的相似性度量标准，划分到不同的簇中。每个簇代表图像中的一个区域，从而实现图像分割。聚类方法不需要预先标注的训练数据，因此在实际应用中具有很高的灵活性。本节将重点介绍两种常用的聚类方法：K-Means 和 Mean Shift。 3.4.1 K-Means 聚类 K-Means 是一种迭代的聚类算法，其目标是将数据集划分为 K 个不同的簇，使得每个数据点都属于距离其最近的簇的中心点（centroid）所代表的簇。