函数原型： retval, bestLabels, centers = kmeans(data, K, bestLabels, criteria, attempts, flags, centers=None)

函数参数： data: 需要分类数据，最好是np.float32的数据，每个特征放一列 K: 聚类个数 bestLabels：预设的分类标签或者None criteria：迭代停止的模式选择，这是一个含有三个元素的元组型数。格式为（type, max_iter, epsilon） 其中，type有如下模式：

cv2.TERM_CRITERIA_EPS ：精确度（误差）满足epsilon，则停止。

cv2.TERM_CRITERIA_MAX_ITER：迭代次数超过max_iter，则停止。

cv2.TERM_CRITERIA_EPS+cv2.TERM_CRITERIA_MAX_ITER：两者结合，满足任意一个结束。

attempts：重复试验kmeans算法次数，将会返回最好的一次结果。 flags：初始中心选择，可选以下两种：

v2.KMEANS_PP_CENTERS：使用kmeans++算法的中心初始化算法

cv2.KMEANS_RANDOM_CENTERS：每次随机选择初始中心

返回值： compactness：紧密度，返回每个点到相应重心的距离的平方和

精彩内容

评论可见，请评论后查看内容，谢谢！！！评论后请刷新页面。