K-Means算法是使用最为普及的聚类算法[2]。
该算法以类中千般本的加权均值(称为质心)代表该类，只用于数字属性数据的聚类，全局阈值联系，对于图像的联系还挺好的，不能够使直方图，
该算法以类中千般本的加权均值(称为质心)代表该类，只用于数字属性数据的聚类，全局阈值联系，对于图像的联系还挺好的，不能够使直方图，
2023/5/7 22:10:03
1KB
1
数字图像处置的k-means算法实现，能够残缺把图像联系为k个聚点，进而把图片分为k中不合的色调，譬如：k=2，图像搜罗两种色调（黑，白）；
k=3，图像搜罗两种色调（黑白灰），等等。
随着k值越大，图像越来越濒临原图色调。
k=3，图像搜罗两种色调（黑白灰），等等。
随着k值越大，图像越来越濒临原图色调。
2023/3/29 12:40:06
190KB
1
k-means算法数据集，有1000个二维的数据集，采用python代码编写，用最底层代码编写完成k-means聚类，文中分为四个聚类中心点，有助初学者理解，编写调试
2021/3/17 1:22:16
20KB
1
KMeans-PCA和降维使用一些数学方法来获取0-9之间每个数字的1000个以上图像之和的均值和协方差，然后使用降维和K-means算法。
2016/11/4 14:30:04
862KB
1
可以做图像分割，数据挖掘，目前，针对K-Means算法研究及应用，尤其是在文本聚类挖掘层面的应用研究越来越多。
K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。
该算法认为簇是由距离靠近的对象组成的，因而把得到紧凑且独立的簇作为最终目标。
K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。
该算法认为簇是由距离靠近的对象组成的，因而把得到紧凑且独立的簇作为最终目标。
2015/5/23 20:02:13
3KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB