本次实验采用了使用一定先验知识对数据集初始化，将第一类鸢尾花中的数据作为第一个聚类中心的初始化，二、三类同理。对此现象，我认为是k-means算法不能从全局对数据分类导致分类结果差，事实上，数据本身是成功且较为有效的完成了聚类，k-means算法作为无监督学习具有先天的局限性，先前数据的错误分类将导致后续数据的错误处理，鸢尾花数据集的数据之间分界并不足够明显，这也是导致数据分类效果差的原因。后续又

环境迁移，批量安装包

【代码】使用python批量删除labelme生成的json文件的imgdata。

根据经纬度判断海陆地区

将第一个png文件转为tif格式文件，再从第二个tif文件中读取地理信息并写入新生成的tif文件中。注意：在运行脚本之前，需要安装 GDAL 库。

使用matlab搭建BP神经网络对鸢尾花数据集分类

注：paddleocr反馈回来文字内容以及包含文字的最小矩形四个点坐标。这里由于我的图很标准，我选择将每个字段的xy坐标做一个平均，按照xy进行排序，生成对应的csv文件。对比了多种ocr识别算法，最终选择了百度paddle官方的ocr算法。如果非标准（我是横平竖直的电脑截图）图片文件，请自行修改判别算法。在所在的虚拟环境下运行。

nitrosense安装

使用matlab制作朴素贝叶斯并对鸢尾花数据集进行分类

使用matlab搭建BP神经网络对鸢尾花数据集分类