注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 两个matlab实现的K-MEANS聚类算法

  2. %k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足： %同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 %k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象， %则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类； %然后再计算每个所获新聚类的聚

  3. 所属分类：其它

    • 发布日期：2009-05-23
    • 文件大小：8192
    • 提供者：lih062624

  1. K_means算法的初始聚类中心的优化

  2. 摘 要: 传统的 K- means 算法对初始聚类中心敏感, 聚类结果随不同的初始输入而波动, 针对 K- means 算法存在的问题, 提出了 基于密度的改进的 K- means 算法, 该算法采取聚类对象分布密度方法来确定初始聚类中心, 选择相互距离最远的 K个处于高密 度区域的点作为初始聚类中心, 理论分析与实验结果表明, 改进的算法能取得更好的聚类结果。

  3. 所属分类：其它

    • 发布日期：2009-07-21
    • 文件大小：175104
    • 提供者：lzping0810

  1. ISODATA聚类分析，对BMP图片操作

  2. 比较完善的ISODATA聚类分析。 支持手动选择初始聚类中心，类似监督法分类。 支持8位、24位BMP图像操作。 选用2种ISODATA聚类算法。 聚类结束后可手动修改类别颜色。

  3. 所属分类：其它

    • 发布日期：2010-03-19
    • 文件大小：524288
    • 提供者：gudufuyun

  1. 优化初始聚类中心的K_means算法

  2. 优化初始聚类中心的K_means算法 用于K-MEANS算法的改进

  3. 所属分类：其它

    • 发布日期：2010-08-05
    • 文件大小：264192
    • 提供者：chuchenghao1989

  1. HCM 硬性C均值聚类M代码（采用峰值法来确定聚类中心个数）

  2. 用峰值阈值法来确定初始的聚类中心 -> 根据初始聚类中心进行K均值聚类，进行多次迭代 M代码是函数形式的

  3. 所属分类：C

    • 发布日期：2010-08-29
    • 文件大小：6144
    • 提供者：terrycz10

  1. 基于模糊聚类的文本挖掘算法

  2. 针对传统FCM 算法对孤立点比较敏感，须预先指定聚类数目的缺陷，提出一种新的模糊聚类算法NSFCM，将其应用于文本挖掘 中。NSFCM 对数据对象的隶属度增加一个权值，以减少孤立点对聚类中心的影响。采用平均信息熵确定聚类数，通过密度函数获得初始 聚类中心。仿真结果证明，该算法聚类的精度和执行效率均高于FCM 算法，效果较好

  3. 所属分类：Java

    • 发布日期：2011-03-14
    • 文件大小：72704
    • 提供者：woshihou

  1. K-means聚类初始中心的选择

  2. K—means算法是一种重要的聚类算法，在网络信息处理领域有着广泛的应用．由于该终止于一个局部最优状态，所以初始类中心点的选择会在很大程度上影响其聚类效果。这里提出了一种K—means算法的改进算法，首先探测数据集中的相对密集区域，再利用这些密集区域生成初始类中心点．该方法能够很好地排除类边缘点和噪声点的影响，并且能够适应数据集中各个实际类别密度分布不平衡的情况，最终获得较好的聚类效果．

  3. 所属分类：Java

    • 发布日期：2011-04-01
    • 文件大小：852992
    • 提供者：xiaoq557

  1. 新的K-均值算法最佳聚类数确定方法

  2. K-均值聚类算法是以确定的类数K和随机选取的初始聚类中心为前提对数据集进行聚类的。通常聚类数K实现无法确定，随机选定的初始聚类中心容易使聚类结果不稳定。

  3. 所属分类：互联网

  1. 一种改进的K-means初始聚类中心选取算法

  2. 在传统的k-means聚类算法中，聚类结果会随着初始聚类中心点的不同而波动，针对这个确定，提出一种优化初始聚类中心的算法。

  3. 所属分类：互联网

  1. K-Means算法的初始聚类中心的优化

  2. 传统的K-Means算法对初始聚类中心敏感，聚类结果随不同的初始输入而波动，针对K-Means算法存在的问题，提出了基于密度的改进的K-Mans算法。

  3. 所属分类：互联网

  1. 初始聚类中心优化的k-means算法.pdf

  2. 传统的k-means算法对初始聚类中心敏感，聚类结果随不同的初始输入而波动。为消除这种敏感性，提出一种优化初始聚类中心的方法，此方法计算每个数据对象所在区域的密度，选择相互距离最远的k个处于高密度区域的点作为初始聚类中心。实验表明改进后的k-means算法能产生质量较高的聚类结果，并且消除了对初始输入的敏感性。 关键词：数据挖掘；聚类；k-means算法；聚类中心

  3. 所属分类：SQLServer

    • 发布日期：2012-01-14
    • 文件大小：104448
    • 提供者：mocuyu

  1. 改进的GK聚类算法

  2. 针对传统 GK 聚类算法无法自动确定聚类数和对初始聚类中心比较敏感的缺陷，提出一种改进的 GK 聚 类算法。该算法首先通过基于类间分离度和类内紧致性的权和的新有效性指标来确定最佳聚类数; 然后，利用改进 的熵聚类的思想来确定初始聚类中心; 最后，根据判定出的聚类数和新的聚类中心进行聚类。

  3. 所属分类：电信

    • 发布日期：2013-05-31
    • 文件大小：740352
    • 提供者：u010901657

  1. 优化初始聚类中心的K_means算法

  2. 很好的聚类算法，从传统K2means 算法对初始中心的敏感性分析出发, 提出了一种优化初始聚类中心的算 法

  3. 所属分类：其它

    • 发布日期：2009-04-14
    • 文件大小：267264
    • 提供者：young_ying

  1. K-means聚类算法初始聚类中心确定 matlab实现

  2. 改进的K-means聚类算法初始聚类中心确定，采用matlab实现，2016a的matlab，直接打开文件、添加路径就可以使用了。

  3. 所属分类：其它

    • 发布日期：2018-03-18
    • 文件大小：3072
    • 提供者：qq_24864715

  1. 对k-means初始聚类中心的优化.pdf

  2. 改文献针对传统k—means算法对初始聚类中心敏感的问题，提出了基于数据样本分布选取初始聚类中心的改进k．means算法。该算法利用贪心思想构建K个数据集合，集合的大小与数据的实际分布密切相关，集合中的数据彼此间相互靠近。取集合中数据的平均值作为初始聚类中心，由此得到的初始聚类中心非常接近迭代聚类算法期待的聚类中心。理论分析和实验结果表明，改进算法能改善其聚类性能，并能得到稳定的聚类结果，取得较高的分类准确率。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-03-15
    • 文件大小：347136
    • 提供者：lffye

  1. FCM初始聚类中心敏感性分析与优化

  2. FCM初始聚类中心敏感性分析与优化，汪勇，程姣，既有研究认为模糊C-均值聚类对初始聚类中心敏感。算法敏感性受到分类数、数据特征、和模糊指数等因素的影响。给出算法敏感性定义�

  3. 所属分类：其它

    • 发布日期：2020-03-12
    • 文件大小：357376
    • 提供者：weixin_38681646

  1. 基于划分采样的初始聚类中心算法

  2. 针对大数据集的初始聚类中心选取问题,在基于密度的划分算法和适用于大规模数据集限定初值的采样算法基础上,提出了一种用于初始聚类中心的划分采样算法。对聚类子空间在每一维上进行均匀划分形成不同的数据区域,根据数据区域的数据点数的多少进行采样来提高采样的准确性。利用采样思想缩小了数据集的规模,保证了算法在时间上的优势。通过不同规模、不同形状的数据集对算法进行验证,实验结果表明,与其它初始聚类中心算法相比,该算法在准确率和时间上都具有一定的优势。

  3. 所属分类：其它

    • 发布日期：2020-06-20
    • 文件大小：236544
    • 提供者：weixin_38725137

  1. 基于密度的优化初始聚类中心K-means算法研究

  2. 传统的K-means算法随机选取初始聚类中心，聚类结果不稳定，容易陷入局部最优解。针对聚类中心的敏感性，提出一种优化初始聚类中心的K-means算法。此算法利用数据集样本的分布特征计算样本点的密度并进行分类，在高密度区域中选择K个密度最大且相互距离超过某特定阈值的点作为初始聚类中心，并对低密度区域的噪声点单独处理。实验证明，优化后的算法能取得更好的聚类效果，且稳定性增强。

  3. 所属分类：其它

    • 发布日期：2020-07-20
    • 文件大小：118784
    • 提供者：weixin_38612909

  1. 一种优化初始聚类中心的K-means聚类算法

  2. 针对K-means算法中的初始聚类中心是随机选择这一缺点进行改进，利用提出的新算法选出初始聚类中心，并进行聚类。这种算法比随机选择初始聚类中心的算法性能有所提高，具有更高的准确性。

  3. 所属分类：其它

    • 发布日期：2020-10-20
    • 文件大小：319488
    • 提供者：weixin_38560797

  1. 基于密度的优化初始聚类中心K-means算法研究

  2. 传统的K-means算法随机选取初始聚类中心，聚类结果不稳定，容易陷入局部最优解。针对聚类中心的敏感性，提出一种优化初始聚类中心的K-means算法。此算法利用数据集样本的分布特征计算样本点的密度并进行分类，在高密度区域中选择K个密度最大且相互距离超过某特定阈值的点作为初始聚类中心，并对低密度区域的噪声点单独处理。实验证明，优化后的算法能取得更好的聚类效果，且稳定性增强。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：376832
    • 提供者：weixin_38725086
« 12 3 4 5 6 7 8 9 10 »