K-Means算法理解

以遥感图像分类为例

随机生成k个聚类中心点

聚类算法的第一步，随机生成k个聚类中心点，作为初始中心点。

遥感图像中，可以选取前k个像素作为初始均值向量（中心点）。

获得初始聚类结果

遍历图像的所有像素，对像素分别计算上述k个中心点的欧式距离，并取最小的值，将这个像素放入该中心点的簇中。

n维欧式距离：$\sqrt{\sum\limits_{i=1}^n(x_{i1}-x_{i2})^2}$

更新聚类中心点

此时对k个聚类，分别遍历聚类内的像素点，并取均值向量赋值给之前的均值向量（中心点）。此时，聚类中心点完成了一次更新。

迭代

对上述步骤进行循环，直到像元的变化率（即k个聚类中，各自所属像元的变化比率）小于设定值，或迭代次数达到设定值。K-Means聚类结束，输出该图像。