[图像] K-means聚类（视觉单词）

输入图像的n个sift特征点，聚合得到k个集合，每个集合的聚类质心就是视觉单词。

前面已经提到每个sift特征点是一个128维的向量，最终得到的每个视觉单词也是一个128维的向量。

第一步：任意选择k个sift特征点作为初始聚类质心。

第二步：对于每个sift特征点，计算它们与k个聚类质心的欧式距离，找到最小的那个聚类质心，将该特征点放入此聚类质心集合中。

第三步：对于每个聚类质心集合，用所有元素均值来更新质心。

第四步：比较更新前后聚类质心集合是否相近（距离小于某阈值），相近则完成聚类，否则返回步骤2，如果迭代次数太多聚类失败。

k数值的选择和k个sift特征点的随机性影响了算法精度。