完整解释、原始数值、素材与实验仍可访问；默认翻页不进入此内容。
先从训练图像收集描述、拟合K个中心，然后保存中心和编号；新图只分配到已有中心，再输出同样K维的计数。这个拟合不需要类别标签，标签可以稍后才进入分类读出。因此表示学习和读出学习是两个可分开的环节。词典不能在测试图上重新学习，也不能把预设分组均值改称已运行K-means。位置丢失与空间汇聚的完整反例在CLS02；主讲接着检查标签如何决定分类边界。
先从训练图像收集描述、拟合K个中心，然后保存中心和编号；新图只分配到已有中心，再输出同样K维的计数。这个拟合不需要类别标签，标签可以稍后才进入分类读出。因此表示学习和读出学习是两个可分开的环节。词典不能在测试图上重新学习，也不能把预设分组均值改称已运行K-means。位置丢失与空间汇聚的完整反例在CLS02；主讲接着检查标签如何决定分类边界。 证据与制作说明：把训练词典与新图沿用词编号分成两条可追踪过程。