随着时代的进步,k-means算法与各个领域的技术相融合,取得了突破性进展,尤其在图像识别方面,发挥了关键性作用。本文通过对k-means算法的研究和分析,将其应用在杂草图片处理上,将处理过的杂草图片数据聚类并放入一个库,和新输入的图片进行对比,判断杂草的分类归属。通过对k-means算法的缺点改进,在整个运算开始前加入一个层次聚类,优化了整个杂草分类的过程中经典算法耗时久、准确率低的问题。为杂草分类和剔除提供了简便快捷的手段。具体研究内容如下:1.通过研究目前应用的杂草分类技术和k-means算法的性质,探索本文杂草分类应用的方法和思路。研究了k-means算法在人脸识别领域的应用,了解了各种杂草分类技术,分析了k-means算法的历史、性质、定义、要点、应用。2.优化了k-means算法。在充分了解k-means算法的基础上,通过分析k-means算法的缺陷,提出了在k-means算法进行之前,先加入一个层次聚类的方法,实现了对经典算法的改进,提高了准确性的同时降低了运算时间。3.通过改进算法进行实验,快速简便的分类出了杂草。为了验证本文的改进算法和对杂草分类研究思路的正确性进行了一个完整实验。实验提取了四种杂草图片信息,进行聚类分析后归入一个库,将新图片输入重复上述过程,判断出杂草类别。