ρ = sqrt( (x1-x2)^2+(y1-y2)^2 )
ρ = sqrt( (x1-x2)^2+(y1-y2)^2+(z1-z2)^2 )
n维欧氏空间是一个点集,它的每个点 X 可以表示为 (x[1],x[2],…,x[n]) ,其中 x[i](i = 1,2,…,n) 是实数,称为 X 的第i个坐标,两个点 A = (a[1],a[2],…,a[n]) 和 B = (b[1],b[2],…,b[n]) 之间的距离 ρ(A,B) 定义为下面的公式。
ρ(A,B) =sqrt [ ∑( a[i] - b[i] )^2 ] (i = 1,2,…,n)
二、K均值算法
k均值(k-means)是聚类算法的一种,聚类分析是根据在数据中发现的描述对象及其关系的信息,将数据对象分组。其目标是,组内的对象相互之间是相似的,而不同组中的对象是不同的。组内的相似性越大,组间差别越大,聚类就越好。
举个例子,在二维平面上有几百个点,在笛卡儿坐标系中有(x,y)坐标,把它们点到纸上,问题是如何把它们分成不同组,每个组里点彼此之前都比较相近,而离其它组的成员又比较远。下面介绍的k均值就能干这种事。
基本k均值思想很简单,首先,选择k个初始质心,其中k是用户指定的参数,即所期望的簇的个数。每个点被指派到最近的质心,而指派到一个质心的点集为一个簇。然后根据指派到簇的点,更新每个簇的质心。重复指派和更新步骤,直到簇不发生变化,或等价的,直到质心不发生变化。
'计算相似度,欧氏距离 xsd_label.Text = "" sumpic3 = 0 For myjj As Integer = 0 To 2000 If IsNothing(pic3tz(myjj)) Then Exit For End If sumpic3 += Pow(pic3tz(myjj) - sumpic1(myjj), 2) Next xsd1 = Sqrt(sumpic3) sumpic3 = 0 For myjj As Integer = 0 To 2000 If IsNothing(pic3tz(myjj)) Then Exit For End If sumpic3 += Pow(pic3tz(myjj) - sumpic2(myjj), 2) Next xsd2 = Sqrt(sumpic3) Dim mydis As Integer = kdistance.Text If mydis < 0 Then kdistance.Text = 50 mydis = 50 End If xsd_label.Text &= "与A类的距离:" & vbCrLf & xsd1 & vbCrLf xsd_label.Text &= "与B类的距离:" & vbCrLf & xsd2 & vbCrLf If xsd1 > mydis And xsd2 > mydis Then xsd_label.Text &= "不属A和B类" ElseIf xsd1 > xsd2 Then xsd_label.Text &= "属于B类" Else xsd_label.Text &= "属于A类" End If
下面是一个手写数字识别例子
手写数字特征提取
1、第一步,参照网上曾经有人的做法:
为简单起见,我们使用了最简单的图像特征——黑色像素在图像中的分布来进行训练和测试。首先,我们把图像规范化为 32*32 像素的图片,然后按 2*2 分切成 16*16 共 256 个子区域,然后统计这 4 个像素中黑色像素的个数,组成 256 维的特征矢量,如下是数字 2 的一个特征矢量:
0 0 4 4 4 2 0 0 0 0 0 0 0 0 2 4 0 0 4 4 4 2 0 0 0 0 0 0 0 0 2 4 2 2 4 4 2 1 0 0 0 0 0 0 1 2 3 4 4 4 4 4 0 0 0 0 0 0 0 0 2 4 4 4 4 4 4 4 0 0 0 0 0 0 0 0 2 4 4 4 4 4 0 0 0 0 0 0 0 0 0 0 2 4 4 4 4 4 0 0 0 0 0 0 0 0 0 0 2 4 4 4 4 4 0 0 0 0 0 0 0 4 4 4 4 4 4 4 4 4 0 0 0 0 0 0 0 4 4 4 4 4 4 4 4 4 2 2 2 2 2 2 2 4 4 2 3 4 4 4 4 4 4 4 4 4 4 4 4 4 4 0 2 4 4 4 2 2 2 2 4 3 2 2 2 2 2 0 2 4 4 4 0 0 0 0 4 2 0 0 0 0 0 0 2 4 4 4 0 0 0 0 4 2 0 0 0 0 0 0 2 4 4 4 0 0 0 0 0 0 0 0 0 0 0 0 2 4 4 4 0 0 0 0 0 0 0 0 0 0 0 0 2 4 4 4
相应地,因为我们只需要识别 0~9 共 10 个数字,所以创建一个 10 维的矢量作为结果,数字相应的维置为 1 值,其它值为 0。数字 2 的结果如下:0 0 1 0 0 0 0 0 0 0
For m_i As Integer = 1 To 16 myinitwidth = myendwidth myendwidth += jiange For myi As Integer = myinitwidth To myendwidth For myj As Integer = myinitheight To myendheight mycolor = myybcominfo.mybitmap.GetPixel(myi, myj) If mycolor.B = 0 And mycolor.R = 255 And mycolor.G = 0 Then While (Not Monitor.TryEnter(mymonitorobj)) Thread.Sleep(1) End While myjgtz(mycount) += 1 Monitor.Exit(mymonitorobj) Thread.Sleep(1) End If Next Next mycount += 1 myendwidth += 1 Next
For mi As Integer = 0 To 15 If myjgtz(mi) > 0 Then pictz(myii, myjj, m_j) += mi * myjgtz(mi) End If myjgtz(mi) = 0 Next
第三步计算每个数字的K均值,核心代码为:
'计算K均值 Dim mmsum As Double = 0 For myii As Integer = 0 To 9 mystr &= vbCrLf & myii & "的样本均值是:" & vbCrLf For myk As Integer = 0 To 15 mmsum = 0 For myjj As Integer = 0 To 9 mmsum += pictz(myii, myjj, myk) ProgressBar1.Value = count count += 1 Next mmsum /= 10 ktz(myii, myk) = mmsum mystr &= ktz(myii, myk) & "," Next mystr &= vbCrLf Next
最后,进行待识别数字的特征值,然后进行欧氏距离对比
Dim jqtz(16) As Integer '欧氏距离 Dim mys(10) As Integer Dim temp As Integer = 1000000000 Dim jgnum As Integer = -1 For m_iii As Integer = 0 To 9 mys(m_iii) = 0 For m_jjj As Integer = 0 To 15 mys(m_iii) += Pow(ktz(m_iii, m_jjj) - jqtz(m_jjj), 2) Next If mys(m_iii) < temp Then temp = mys(m_iii) jgnum = m_iii End If Next jg.Text = "" For m_iii = 0 To 9 jg.Text &= m_iii & ":" & mys(m_iii) & vbCrLf Next jg.Text &= "结果是:" & jgnum
本例出自我的另一个原创ITEYE博客,无版权侵犯