我想编写“VSUMM”文章中提出的代码。
一步有k-means算法。它写在文章中，但没有描述它是如何工作的。根据这篇文章，最初有一个视频。视频将被分割成帧，然后根据某个公式计算k，并开始k_mean算法。
视频帧的数据集是图像。我怎么能在他们身上使用k-means？
到目前为止我做了什么：
但现在我陷入了第3步，我不知道该怎么做。
我在单元格数组中有k组图像，其值只是图像的名称，但根据k-means，新k是组中元素的平均值。但是我理论中的这些元素只是图像的名称。所以我该怎么做？这应该是什么意思？如果我得到图像名称的平均值，这是正确的吗？
答案 0 :(得分：0)
Wikipedia有一篇关于k-means聚类技术的文章。在程序上，您确定了一组可以表示为矢量的项目 - 在您的情况下，我认为项目是图像帧，矢量组件是帧中所有像素的值（千或百万维矢量）。 K均值聚类找到k组图像帧，这些图像帧在每个组内是相似的，并且在组之间不相似。你决定k是什么：5或10或其他什么。
第一步：在百万维向量空间中随机定义k个点。听起来你就是这么做的。
第二步：对于每个图像帧，使用欧几里德距离找出哪个k点最接近所讨论的帧。听起来并不像你那样，但我不知道。
第三步：对于每个k组，计算组中所有向量的平均值。也就是说，对组中的项目进行矢量求和，并将其除以组中的成员数。为每个小组单独做。
第四步：用你刚刚计算的平均值替换每个k点。
然后迭代这个过程（步骤二），数百或数千次。它将逐渐接近一种解决方案，其中方差在每个群集内最小化并且在群集之间最大化。也就是说，每个组都代表在组内视觉上彼此相似的图像，并且从一个组到另一个组不同。