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. 数学建模 十类算法的详细说明

  2. 数学建模常用的十类模型的简介和说明，包括蒙特卡洛算法，图论算法等等

  3. 所属分类：其它

  1. 基于图划分的谱聚类算法在文本挖掘中应用

  2. 基于图划分的谱聚类算法在文本挖掘中应用 基于图划分的谱聚类算法在文本挖掘中应用

  3. 所属分类：其它

    • 发布日期：2009-12-08
    • 文件大小：246784
    • 提供者：tieshuai

  1. 聚类算法综述

  2. 随着互联网以及移动终端网络的广泛普及与兴起，互联网进入了云计算时代，然而海量数据的处理离不开对数据的分析以及有价值信息的提取，本文就是有关数据挖掘领域的一篇综述性论文，文中对当前存在的几乎所有的聚类算法进行简要或详细的阐述，内容丰实，对入门以及研究具有很大的帮助！

  3. 所属分类：数据库

    • 发布日期：2011-12-16
    • 文件大小：1048576
    • 提供者：hbsilence

  1. 层次聚类算法

  2. 一些常见的聚类算法，层次聚类算法，是非常常用的聚类算法，同时也是被广泛研究的聚类算法。层次聚类本身分为合并和分裂两种实现，在合并算法中，又分基于矩阵理 论的合并和基于图论的合并。

  3. 所属分类：专业指导

    • 发布日期：2012-01-13
    • 文件大小：599040
    • 提供者：liujianxiao123

  1. 算法导论 经典算法

  2. 算法导论 高级数据结构 图类算法 红黑色 B树 二项堆 动态规划 经典算法

  3. 所属分类：C++

    • 发布日期：2012-11-21
    • 文件大小：29360128
    • 提供者：pzqingchong

  1. 动态模糊聚类算法

  2. 本资源通过matlab编写的动态模糊聚类算法，并且包含形成模糊矩阵的不同方法，最后形成直观的动态聚类图，结果十分直观，对理解模糊算法及动态聚类有相当大的帮助。

  3. 所属分类：电信

    • 发布日期：2016-12-15
    • 文件大小：6144
    • 提供者：u012955054

  1. 数据结构课设图综合算法

  2. 这是自己写的，花了较大力气，里面的图综合算法比较全面，还附带有写好的课设。该程序综合了图的大部分算法，包含从图的四种存储方式，到每个存储方式的相关算法。有向图的算法中包括：广度优先算法 、深度优先搜索、普利姆算法、克鲁斯卡尔算法以及有向图到无向图的转化；无向图的算法中包括：弗洛伊德算法、拓扑排序算法、迪杰斯特拉；在四类存储方式各自算法中，都包括了：统计各个节点的度，打印显示图。 不下你会后悔的！

  3. 所属分类：C/C++

    • 发布日期：2017-07-19
    • 文件大小：992256
    • 提供者：qq_33654685

  1. 基于聚类算法人脸识别方法的研究

  2. 0.引言 　　在智能小区的安防系统中，人脸识别技术的应用，提高了安防报警系统的安全可靠性。人脸识别技术因其具有非接触性、特征提取方便、防伪性能高等优势得到广泛的应用。人脸识别技术综合了计算机、通信、光学、电子、机械等多学科技术，在控制领域和智能建筑领域有着广阔的应用前景 。本文研究了基于聚类算法判别人脸图像的方法，达到应用于智能小区门禁系统和楼宇门禁系统的实际应用要求，如图1所示。 图1 智能门禁报警系统的结构图 　　基于图像分块进行人脸识别时，随着分块数目的增多，子图像保留的奇异值个

  3. 所属分类：其它

    • 发布日期：2020-11-03
    • 文件大小：179200
    • 提供者：weixin_38747144

  1. 聚类算法.xmind

  2. 聚类算法思维导图

  3. 所属分类：算法与数据结构

  1. 基于局部密度构造相似矩阵的谱聚类算法

  2. 依据样本数据点分布的局部和全局一致性特征,提出了一种基于局部密度构造相似矩阵的谱聚类算法。首先通过分析样本数据点的分布特性给出了局部密度定义,根据样本点的局部密度对样本点集由密到疏排序,并按照设计的连接策略构建无向图;然后以GN算法思想为参考,给出了一种基于边介数的权值矩阵计算方法,经过数据转换得到谱聚类相似矩阵;最后通过第一个极大本征间隙出现的位置来确定类个数,并利用经典聚类方法对特征向量空间中的数据点进行聚类。通过人工仿真数据集和UCI数据集进行测试,实验结果表明本文谱聚类算法具有较好的顽健

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：566272
    • 提供者：weixin_38605801

  1. 基于决策图的三维模型无监督聚类算法

  2. 基于决策图的三维模型无监督聚类算法

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：459776
    • 提供者：weixin_38656662

  1. 基于连通分量的分类变量聚类算法

  2. 针对分类变量相似度定义存在的不足,提出一种新的相似度定义.利用新的相似度定义,将数据集抽象为无向图,将聚类过程转化为求无向图连通分量的过程,进而提出一种基于连通分量的分类变量聚类算法.为了定量地分析该算法的聚类效果,针对类别归属已知的数据集,提出一种新的聚类结果评价指标.实验结果表明,所提出的算法具有较高的聚类精度和聚类效率.

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：5242880
    • 提供者：weixin_38718413

  1. 一种基于谱分割的短文本聚类算法

  2. 短文本具有稀疏高维的特点,现有聚类算法在大规模短文本上的聚类精度较低且效率低下。针对该问题,提出一种以谱聚类理论作支撑,基于谱分割准则RMcut的新聚类算法。依据谱聚类理论,将短文本集合构建成一张带权无向图,并计算得到文档-文档的相似度矩阵,为聚类算法提供信息。不断迭代地用2-way方式划分该图,划分过程中使用RMcut值作为划分是否终止的条件,利用Prim算法将原图中的顶点加入到聚族中,以得到质量较高的聚类结果。实验结果表明,该算法具有较高的时间性能,与K-means算法、词共现聚类算法及基于

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：1048576
    • 提供者：weixin_38564503

  1. 基于谱维约简的密度自适应亲和力传播聚类算法

  2. 作为一种新颖的聚类方法，相似性传播（AP）聚类可以通过在数据点之间传递消息来识别高质量的聚类中心。 但是它的最终簇数受用户定义的自信心参数影响。 当由于先验知识而针对给定数量的集群时，必须启动AP多次，直到找到合适的自信心设置为止。 K-AP算法克服了这一缺点通过在消息传递过程中引入约束来利用K簇的即时结果。 K-AP聚类的关键是构建合适的相似度矩阵，该矩阵可以真实反映数据集的内在结构。 本文设计了一种密度自适应相似度量，以更合理地描述数据点之间的关系。 同时，为了解决K-AP算法在高维数据集中

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：743424
    • 提供者：weixin_38507923

  1. 基于自适应Nystrm采样的大数据谱聚类算法

  2. 面对结构复杂的数据集,谱聚类是一种灵活而有效的聚类方法,它基于谱图理论,通过将数据点映射到一 个由特征向量构成的低维空间,优化数据的结构,得到令人满意的聚类结果.但在谱聚类的过程中,特征分解的计算 复杂度通常为O(n3),限制了谱聚类算法在大数据中的应用.Nyström 扩展方法利用数据集中的部分抽样点,进行近似 计算,逼近真实的特征空间,可以有效降低计算复杂度,为大数据谱聚类算法提供了新思路.抽样策略的选择对 Nyström 扩展技术至关重要,设计了一种自适应的Nyström 采样方法,每个数

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：735232
    • 提供者：weixin_38694674

  1. Generalized_K-means_on_Graphs：图上的广义K均值是一种利用诸如PageRank，调和中心度等中心性度量来获得有向图和无向图的k均值聚类算法的算法。-源码

  2. 图上的广义k均值 图上的广义K均值是一种利用诸如PageRank，谐波中心度等中心性度量的方法，在有向图和无向图上获得类似k均值的聚类算法。 该算法是可生成的，适用于图形，网格，点云甚至度量空间。 该算法的详细信息在论文中进行了描述： 脚本说明 此处演示的脚本可用于获取聚类图以及点云。 包装要求 NetworkX> = 2.0（基于图形的库） scikit学习> = 0.23.2 NumPy 入门：检测复杂网络中的社区 import numpy as np import net

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：277504
    • 提供者：weixin_42121754

  1. 无监督学习：基于质心的聚类算法，即K-Means聚类，聚集聚类和基于密度的空间聚类-源码

  2. 无监督学习 基于质心的聚类算法即K-Means聚类，聚集聚类和基于密度的空间聚类实现。 要求 Python 3.6及更高版本 科学工具学习 麻木 科学的 matplotlib 信息 通过智能融合完成的K-Means聚类可以加快处理速度，并多次运行以获得最佳结果。 有很多参数可供使用，也有可视化部分。 聚集聚类是分层聚类（自下而上，分组）的一种，它比分裂聚类更受欢迎。 使用距离矩阵可以导出数据的树状图，可以更改和测试用于计算距离矩阵的标准（单个，平均，完整和质心链接）。 具有噪声的基于密度的空

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：6144
    • 提供者：weixin_42146274

  1. 基于图的SLAM LS图优化：基于图的SLAM最小二乘图优化算法的实现-源码

  2. 基于图的LS图的SLAM优化 基于图的SLAM最小二乘图优化算法的实现。 内容： ->优化过程伪代码 ->包含算法所需的图形顶点和边数据的文件夹 >算法所需的函数 >图表示和优化算法所需的类 >从Data文件夹中读取数据，构建图形，执行优化算法，绘制结果 结果：

  3. 所属分类：其它

    • 发布日期：2021-02-04
    • 文件大小：215040
    • 提供者：weixin_42121058

  1. 基于MCL与Chameleon的混合聚类算法

  2. 马尔科夫聚类算法（Markov Cluster Algorithm， MCL）是一种快速且可扩展的无监督图聚类算法，Chameleon是一种新的层次聚类算法。但MCL由于过拟合会产生很多小聚类，Chameleon由于时间复杂度为O（N2）不利于处理大规模数据集。针对这两个问题，提出了一种基于MCL与Chameleon相结合的混合聚类算法。该算法第一阶段采用MCL算法对原始数据进行初步聚类，第二阶段利用GPU加速的Chameleon算法将第一阶段产生的小聚类进行归并，从而得到质量更高的聚类。实验表

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：1048576
    • 提供者：weixin_38685521

  1. 基于二叉树锚点的高光谱快速聚类算法

  2. 高光谱图像聚类问题一直是图像处理领域的研究热点。谱聚类算法是最流行的聚类算法之一,但其计算复杂度较大,难以处理大规模的高光谱图像数据。由于二叉树能够较快地选取锚点,因此基于二叉树锚点图,充分利用高光谱图像的光谱和空间特性,可保证聚类性能并降低计算复杂度。然而,该聚类算法一般采用有核的聚类方法,因此不可避免地引入了参数调节。在二叉树锚点选取的基础上,提出了一种基于二叉树锚点的高光谱快速聚类算法,该算法创新性地将二叉树锚点选取和无核聚类方法应用于高光谱图像中。首先,利用二叉树从高光谱数据中选取一些具

  3. 所属分类：其它

    • 发布日期：2021-01-25
    • 文件大小：8388608
    • 提供者：weixin_38747815
« 12 3 4 5 6 7 8 9 10 ... 50 »