K Mean Clustring

K Mean Clustring

روش کلاسترینگه . کلاسترینگ زمانی استفاده میشه که شما نیاز به جدازسازی مجموعه object های موجود در صفحه داشته باشید به فرض مثال 3 دایره سفید رو رئوس مثلث تصور کنید که تو یک پشت زمینه مشکی قرار گرفتن . به صورت به هم چسبیده و به صورت یک blob ها شما تصمیم دارید این تصویر با هر roatation که در صفحه ظاهر بشه این 3 دایره رو از هم جدا کنید برای اینکار بایستی از کلاسترینگ استفاده کنید مثل kmean یا watershed
تو watershed که هوشمندانه تر اینکار صورت می گیره حتی نیازی به تعداد مرکز کلاسترها هم نیازی ندارید ولی در روش k mean در اینجا k همون تعداد مراکز کلاسترها می باشد مثلاً برای مسئله ما k=3 می باشد.
حالا kmean چطور کار می کنه یک روش کلاسترینک بدون ناظره برای شروع از مجموعه نقاط سفید 3 تا نقطه انتخاب می کنه به عنوان مراکز 3 کلاستر
بعد میاد کلیه نقاط سفید صفحه رو پیمایش می کنه بعد هر نقطه به مرکز هر کلاستر نزدیک تر باشه با ID اون کلاستر برچسب می خوره البته معایر ها فاصله می تونه فاصله اقلیدسی یا city block یا غیره … باشه
وقتی که گذر اول به اتمام رسید میاد مجددا مرکز کلاستر رو تعیین می کنه از روش میانگین گیری کل داده هایی که با ID یک کلاستر برچسب خوردند رو میانگین میگره و مراکز جدید بدست میاد. حال دوباره با توجه به این مراکز جدید کلیه نقاط صفحه رو مجدداً پیمایش می کنه و برچسب گذاری می کنه اگر برچسب ها تغییر کنند یعنی کلاسترینگ در حال optimize شدنه اگر کل داده ها رو پیمایش کردیم و برچسب ها تغییری نکرد یعنی به یک حالت پایدار رسیدیم و همین میشه جواب نهایی kmean.
در ضمن در روش های quantization هم از kmean استفاده می کنند یا تو شبکه عصبی برای اینکه نتیجه train مطلوب بشه داده ها ورودی رو با kmean کلاستر می کنند.

۱۳۹۲-۷-۲۳ ۱۶:۴۰:۲۹ +۰۳:۳۰مهر ۱۰ام, ۱۳۹۲|متلب, هوش مصنوعی دسته بندی ها|بدون ديدگاه

ثبت ديدگاه

پرداخت

1-پرداخت آنلاین
برای پرداخت آنلاین از لینک زیر استفاده کنید
پرداخت آنلاین
2- پرداخت آفلاین
برای پرداخت آفلاین مبلغ مورد نظر را به یکی از شماره کارت
6037997245888723بانک ملی