K-均值法计算示例(示例)

A到两个类的平均距离B到两个类的平均距离

A到两个类的平均距离

B到两个类的平均距离

D到两个类的平均距离

E到两个类的平均距离

结论：所有像元不再重新分类

D 2（D，CDE）=（30-28）2+（10-13）2=13D 2（E，CDE）=（32-28）2+（12-13）2=17

D到两个类的平均距离

D 2（E，ABC）=（32-13）2+（12-27）2=586D 2（D，ABC）=（30-13）2+（10-27）2=578（2）计算每个像元到类中心的欧氏距离，并将每个像元重新分配给最近的一类。若类中像元D 2（A，ABC）=（10-13）2+（30-27）2=18D 2（A，DE）=（10-31）2+（30-11）2=802D 2（B，ABC）=（8-13）2+（32-27）2=50D 2（B，DE）=（8-31）2+（32-11）2=970重复步骤1、2；

D 2（D，AB）=（30-9）2+（10-31）2=882D 2（E，AB）=（32-9）2+（12-31）2=890D 2（A，CDE）=（10-28）2+（30-13）2=613D 2（D，DE）=（30-31）2+（10-11）2=2

D 2（A，AB）=（10-9）2+（30-31）2=2D 2（B，AB）=（8-9）2+（32-31）2=2D 2（E，DE）=（32-31）2+（12-11）2=2

结论1：C应重新分配到DE所在类

D 2（B，CDE）=（8-28）2+（32-13）2=761E到两个类的平均距离

（3）为检查分类结果的稳定性，应以新的初始分割重新运行算法，并对分类结果进行比较。

18+50+130+2+2=202）2+（12-13）2=17

）2+（12-27）2=586

中像元发生变化，需重新计算类中心坐标

2+（32-27）2=50

+（32-11）2=970

+（12-31）2=890C到两个类的平均距离

（32-31）2=2D2（C，AB）=（22-9）2+（18-31）2=338

D2（C，CDE）=（22-28）2+（18-13）2=61

2+（12-11）2=2

2+（32-13）2=761

聚类准则（收敛条件）：使每一聚类中，多模式点到该类别的

中心的距离的平方和最小。即：对于图像中互不相交的任意一

类，计算该类中的像素值与该类均值差的平方和。将图像中所

有类的差的平方和相加，并使相加后的值达到最小！

即：2+2+61+14+17=96最小！！

离

C到两个类的平均距离

D2（C，ABC）=（22-13）2+（18-27）2=162 D2（C，DE）=（22-31）2+（18-11）2=130

结果进行比较。