Tidak ada kmean yang tepat pengelompokan gambar di matlab

1. Apa masalahnya dengan pengelompokan k-means?
2. Dapatkah Kmeans digunakan untuk klasifikasi gambar?
3. Bagaimana Anda mengatasi keterbatasan pengelompokan k-means?

Apa masalahnya dengan pengelompokan k-means?

K-means memiliki masalah pengelompokan data di mana cluster memiliki berbagai ukuran dan kepadatan. Untuk mengelompokkan data tersebut, Anda perlu menggeneralisasi k-means seperti yang dijelaskan di bagian keuntungan. Outlier clustering. Centroid dapat diseret oleh outlier, atau outlier mungkin mendapatkan cluster mereka sendiri alih -alih diabaikan.

Dapatkah Kmeans digunakan untuk klasifikasi gambar?

Ya! K-Means Clustering dapat digunakan untuk klasifikasi gambar dataset MNIST. Begini caranya. K-Means Clustering adalah algoritma pembelajaran tanpa pengawasan yang bertujuan untuk mempartisi pengamatan N ke dalam kluster K di mana setiap pengamatan milik cluster dengan centroid terdekat.

Bagaimana Anda mengatasi keterbatasan pengelompokan k-means?

Salah satu cara untuk mengatasi kelemahan itu adalah dengan menggunakan kadak k-mean hanya jika ada banyak data yang tersedia. Untuk mengatasi masalah pencilan, kita dapat menggunakan median alih -alih berarti. Beberapa orang menunjukkan bahwa k berarti pengelompokan tidak dapat digunakan untuk jenis data lain daripada data kuantitatif.