首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    在Python中使用K-Means聚类和PCA主成分分析进行图像压缩

    让我们介绍一组评估压缩图像的指标: 在群集平方和(WCSS)中,测量群集中所有点与其群集中心的欧几里德距离平方的总和。 在群集的平方和(BCSS)之间,测量所有聚类中心之间的欧几里得距离平方的总和。...如果将每个像素视为一个单独的群集,则WCSS等于0。因此,Exparined Variance = 100%。 图像大小,以千字节为单位,以评估缩小/压缩性能。...= kmeans.inertia_ BCSS = calculateBCSS(X, kmeans) exp_var = 100*BCSS/(WCSS + BCSS) print("WCSS: {...}".format(WCSS)) print("BCSS: {}".format(BCSS)) print("Explained Variance: {:.3f}%".format(exp_var)...保存指标值以进行进一步优化:WCSS,BCSS,解释方差和图像大小 用越来越多的颜色绘制压缩图像 range_k_clusters = (2, 21) kmeans_result = [] for

    3.1K20
    领券