图3.8　UCI手写数字数据集训练出的感知机权重图

图5.3　利用逻辑斯蒂回归预测花的类别的概率

图6.7　实际图像上4个不同的卷积核的输出

图6.12　在真实图片上的物体识别结果

图8.1　利用K均值聚类算法构造的彩色图像

图8.2　K均值聚类的迭代过程

图8.3　K均值算法在倾斜变形的分布及密度不同的分布上的聚类效果

图8.4　高斯混合模型能够对倾斜变形及密度不同的分布数据进行正确聚类

图8.5　DBSCAN算法中的核心点、可达点和局外点

图8.6　比较不同聚类算法的效果

图8.8　K均值聚类进行图像颜色量化的结果 0633Vrc/SVt+g1+wJxsraBwYuvpA2DKdRm0tseSjfqOtR04h40qPyrhhoF7tEn9M