1. 應用k-means演算法進行壓縮
讀取一張
觀察檔案大小，佔記憶體大小，資料結構，線性化
用kmeans對畫素顏色進行聚類
獲取每個畫素的顏色類別，每個類別的顏色
觀察壓縮的檔案大小，佔記憶體大小
原圖大小:
",image.size)
7 print("
原圖記憶體：
",sys.getsizeof(image))
8plt.imshow(image)
9plt.show()
10# 壓縮
11 image=image[::3,::3
]12 x=image.reshape(-1,3)13
# 構建模型
14 model=kmeans(n_clusters=64)15
# **
16 labels=model.fit_predict(x)
17# 聚類中心
18 colors =model.cluster_centers_
19 new_image =colors[labels].reshape(image.shape)
20plt.imshow(new_image.astype(np.uint8))
21 new_image = new_image/255
22 print("
壓縮略圖大小：
",new_image.size)
23 print("
壓縮略圖記憶體：
",sys.getsizeof(new_image))
24plt.imshow(new_image)
25 plt.show()
原圖：
壓縮後的圖：
2. 觀察學習與生活中可以用k均值解決的問題。
從資料-模型訓練-測試-**完整地完成乙個應用案例。
這個案例會作為課程成果之一，單獨進行評分。
K均值演算法opencv 分割應用
原 2016年11月02日 23 00 51 k均值 k means 演算法是一種無監督的聚類學習演算法，他嘗試找到樣本資料的自然類別，分類是k由使用者自己定義，k均值在不需要任何其他先驗知識的情況下，依據演算法的迭代規則，把樣本劃分為k類。k均值是最常用的聚類技術之一，通過不斷迭代和移動質心來完成...
K 均值演算法
動態聚類方法是模式識別中一種普遍採用的方法，它具有以下3個要點 1 選定某種距離度量作為樣本間的相似性度量 2 確定某個評價聚類結果質量的準則函式 3 給定某個初始分類，然後用迭代演算法找出使準則函式取極值的最好的聚類結果 k means演算法 輸入 聚類個數k，以及包含 n個資料物件的資料庫。輸出...
K均值演算法
假設需要聚成k個類 演算法先會隨機從資料集中選取k個點，把他們當做k個聚類的中心點 依次計算資料集中的每乙個點與各個中心點的距離，離哪個中心點近，就劃分到那個中心點對應的聚類下 計算分到同一類簇下，所有點的均值，更新中心點，重複 直至達到迭代結束條件 import numpy as np impor...