搜索资源列表
k_medoids
- 聚类算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了
MyKmeans
- 实现聚类K均值算法： K均值算法：给定类的个数K，将n个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小。 缺点：产生类的大小相差不会很大，对于脏数据很敏感。 改进的算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去
k_medoids
- 聚类算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了
Matlab_learning_materials
- 主要包括图像的中值、均值去噪、非局部均值、分块局部去噪算法；还有均方误差和峰值信噪比评价、以及matlab基础学习资料如边缘检测、小波变化、灰度值转换等-Including image median, mean denoising, non-local means, block local denoising algorithm also mean square error and peak signal to noise ratio
chengxu
- 1.打开matlab软件，再获取一张实验用彩色图像，使用imread函数读入； 2.用均值滤波法对所获取的彩色图像进行去椒盐噪声处理。 3,、对已加噪和去噪的图像进行必要的保存。-Image denoising main program
PCNN输出域改进及其在彩色图像增强中应用
- 代码中有传统的图像增强算法：对数增强，均值滤波等；也有图像去噪代码；以及对PCNN算法进行改进的图像增强算法。(There are traditional image enhancement algorithms in the code: logarithmic enhancement, mean filtering, etc.; there are also image denoising code; and the PCNN alg
NL-means
- 利用MATLAB实现了图像的非局部均值去噪算法，效果明显。(The non local means denoising algorithm of image is implemented by MATLAB, and the effect is obvious.)
detrend
- matlab中去均值 在C上实现，效果和detrend差不多，但是有一定的差别(matlab Average to average C)