声明:本文笔记来源《一个贯穿图像处理与数据挖掘的永恒问题》，作者左飞，原文地址：更多详情请点击此处。
# 1)算法的基础部分(求3*3矩阵的中位数常用于图像处理中的patch处理。
# 2. R语言的基础部分：数据读取、预处理、k均值算法的实现。
如果算法有矩阵
036147258
这里，用9维矩阵表示3*3的patch，寻找其中值。 实际上支持medfilter。 椒盐噪声的处理真的很棒。
现介绍最简单的方法，分析如下。
首先，计算窗口内每列的最大值、中位数、最小值，得到3组数据
最大值组： Max0=max[P0，P3，P6]、Max1=max[P1，P4，P7]、Max2=max[P2，P5，P8]
中值组： Med0=med[P0，P3，P6]、Med1=med[P1，P4，P7]、Med2=med[P2，P5，P8]
最小值组： Min0=Min[P0，P3，P6]，Min1=Min[P1，P4，P7]，Min2=max[P2，P5，P8]
由此，可知最大值组中的最大值和最小值组中的最小值一定是9个要素中的最大值和最小值，不是中央值，而是剩下的7个，中央值组的最大值至少比5像素大，中央值组的最小值至少比5像素大剩下的5个像素——最大值组的中值至少大于5个元素，最小值组的中值至少小于5个元素，不能为中值。 最后剩下三个要比较的要素。 也就是说
最大值组最小值Maxmin、中值组的中值Medmed、最小值组的最大值MinMax； 找到这三个值中的中值为9个元素的中值。
采用上述方法将大大减少计算量。
另一种方法是查找两个有序链表的中值。 充分利用有序性质，对两个链表分别直接取中间数进行比较即可。 想法虽然简单，但很方便。 本来，二分割排序的复杂度是o(nO(logn )，所以这里有顺序的先验理论的话一定会加速。 也就是说，文中所述的o ) logn ) *的复杂度，原理并不难，已经
r语言笔记本笔记实现了用Kmeans对数据进行聚类，博主采取了用EXCEL制作xls文件，输入结束后保存为csv格式的文件，从而可以用r语言直接读取的技巧。
Kmeans的简单想法：选择k个据点作为初始集群中心，收集各点以提升最接近的重心，形成k个等级，重新计算各级的重心，重复上述步骤直到心情不再变化。 (引文中的内容) )来自世界银行的数据集统计30个国家的两个指标，用以下代码读取文件，显示其中前几行的数据。 可以看出数据很分散。 其中第一列是国家/地区的名称，此项目与后面的聚类分析无关，而是对后面两列中的信息感兴趣。 第二列显示该国第三产业增加值占GDP的比例，最后一列显示人口结构中65岁以上人口，也就是老龄人口占总人口的比例。
笔记本：
1. read.csv函数读取相应地址的文件，并将其命名为countries。
2 .标题显示文件内容
对导入的数据库进行必要的预处理，以便于后续处理。 主要是调整列标签和用国名替换行标签(删除包含国名的列)。
笔记本：
1. ”$”负号表示文件的二次表示，在第一行为代码文件countries下有countries这一类。
2. as.character会转换变量类型，并将对应的内容转换为字符类型的内容，因此var是对应元素的字符。
3. dimnames是dimensions name为维度的名称，在此范例中为列标签1 2 3 4 5 6，栏标签为countires，services of GDP，aged65 above of total。 它还表明r语言内存盒中表的数据结构，即实际内容是表中的数据，行标签和列标签有明确的边界。 提取的函数。 包括dimnames、rownames、colnames等
Note :
这里我稍微尝试了一下的代码如下。
countries=read.CSV (c :/users/Didi LV/desktop/data.CSV ' ) head ) countries ) var=as.character ) countrier
dimnames(countries ) [1] [ [1] [1] [1] '1' '1' '2' '3' '4' ' '5' '6'我发现这里出现了“[1]”，所以我想清楚地看到真正的内容
Dimnames(Countries ) [1]这才是真正的内容，国名。
下一个是for循环，实际上是赋值。 但是，赋值一定会赋值给行标签。 但是，本人的测试似乎是错误的，所以更改为以下代码。
countries=read.CSV (c :/users/Didi LV/desktop/data.CSV ' ) head ) countries ) va
r = as.character(countries$countries)rownames(countries) = var具体结果见下面输出结果：
countries services.of.GDP ages65.above.of.totalBelgium Belgium 76.7 18France France 78.9 18Denmark Denmark 76.2 18Spain Spain 73.9 18Japan Japan 72.6 25Sweden Sweden 72.7 19注意，最左边的列是标签，跟内容没任何关系，只是为了下面标注的时候更加明显些，接下来就是取值
类似matlab直接取列，下面就是换名了。原文中说的是删除列，实际上没删除，只是取了其中2-3列然后重新复制，最后达到了删除列的结果。
4. Kmeans函数及其画图没什么难度，毕竟都是人家电脑默默地付出而已。
对于聚类结果，如果用图形来显示的话，可能更易于接受。下面是示例代码。
由于生成的样本少，只能看看是怎么写的了。
结束
本文只为学习笔记，欢迎讨论，大多数图片源于原文，对原作者致谢。