说明：本系统设计并实现了一种基于色度空间的最邻近n帧改进算法，以提高传统混合高斯模型的目标检测效果。当光照发生突然变化时，利用像素点的色度信息代替RGB值，有效避免亮度突变的干扰；为了反映背景的动态变化，检测系统使用各高斯分布在最近n帧与像素点测量值的匹配次数的指数函数实现权重值的更新。
说明：K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大，算法过程如下： 输入：k, data[n]; （1） 选择k个初始中心点，例如c[0]=data[0],…c[k-1]=data[k-1]； （2） ...
说明：应用背景关键技术该算法对 松散关系；K近邻分类器，一个流行的 ；机器学习 ；分类，经常混淆技术k-均值 ；因为 ；K ；在名称。可以将近邻分类器对 得到的聚类中心；k-均值将新数据到现有的集群。这就是最近的质心分类器 ； ；或Rocchio算法。