Compression d'images par la méthode K-moyennes (K-means)

Abstract

Évolutions technologiques importantes Informatisation et diversité des applications multimédias ces dernières années consiste à développer des techniques de compression d'image plus efficaces Son but est d'augmenter la capacité de transmission et le stockage des données. Dans cet article, nous allons étudier l'un d'entre eux, qui est le plus populaire et le plus facile parmi les algorithmes d'apprentissage non supervisé : K Means L'algorithme K-means identifie plusieurs centroïdes dans un ensemble de données, où le centroïde est la moyenne arithmétique de tous les points de données appartenant à un cluster particulier. L'algorithme attribue ensuite chaque point de données au cluster le plus proche, en essayant de garder les clusters aussi petits que possible (le terme "moyenne" dans K-means fait référence à la tâche de faire la moyenne des données ou de trouver le centroïde). Dans le même temps, K-means essaie de garder les autres clusters aussi distincts que possible.