Concept
Algorithme de Lloyd-Max
Séances de cours associées (33)
K-means Clustering: Algorithme de Lloyd et espace RVB
Explique le clustering K-means avec l'algorithme de Lloyd et l'espace RVB pour la segmentation des couleurs.
Groupement : moyenne en k
Explique le regroupement des moyennes k, en attribuant des points de données à des grappes en fonction de la proximité et en minimisant les distances carrées à l'intérieur des grappes.
Problème de vecteur le plus proche: cellules de Voronoi
Explore le problème de vecteur le plus proche dans les réseaux et le rôle des cellules de Voronoi dans la détermination du vecteur le plus proche.
Algorithme de K-means: Démo
Introduit l'algorithme k-means pour regrouper les points de données en fonction des centroïdes et des mises à jour itératives.
K-Means: Mise en œuvre et analyse
Couvre la mise en œuvre et l'analyse de l'algorithme K-Means, y compris l'initialisation du centroïde, l'attribution de points et l'impact du bruit.
Clustering K-Means : Compression d'image
Couvre l'algorithme K-means pour la compression d'image et PCA pour la réduction de dimensionnalité.
Problème de vecteur le plus proche: cellules de Voronoi
Explore le problème vectoriel le plus proche et les cellules Voronoi dans les algorithmes de réduction de réseau.
Traitement d'image I: quantification et analyse d'histogramme
Explore la quantification d'images, l'analyse d'histogrammes et le compromis entre la résolution spatiale et celle en niveaux de gris.
Apprentissage sans supervision : méthodes de regroupement
Couvre l'apprentissage non supervisé axé sur les méthodes de regroupement et les défis rencontrés dans les algorithmes de regroupement comme K-means et DBSCAN.
Navigation globale : Planification de parcours
Couvre la navigation globale, les algorithmes de planification des chemins, la décomposition des cellules, les méthodes de champs potentiels et l'optimisation des chemins basée sur la stigmergie.