您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. OpenCV下的AGNES聚类算法实现

  2. opencv配置就自行百度了 因为是用于opencv下,所以: 输入数据要求是Mat格式的特征数据,按行排列 返回数据为Mat格式的标签列表 如果想用于一般数据,自行修改即可 封装成类了,opencv配置正常的话可即刻运行
  3. 所属分类:C/C++

    • 发布日期:2013-12-20
    • 文件大小:2048
    • 提供者:yyyy3531614
  1. 层次聚类MATLAB程序.txt

  2. 层次聚类_matlab程序 标签: 层次聚类 matlab 杂谈 分类: 经典算法/数据挖掘/神经网络
  3. 所属分类:其它

    • 发布日期:2014-12-24
    • 文件大小:856
    • 提供者:chaijinsdu
  1. 标签共现的标签聚类算法研究

  2. 这是一篇标签共现的标签聚类算法研究论文。有需要的可以下载看看,我看过了对我很有帮助、
  3. 所属分类:其它

    • 发布日期:2015-04-15
    • 文件大小:601088
    • 提供者:qq_17409793
  1. 关于膜计算的聚类算法

  2. 膜计算是一种分布式、并行计算模型,又被称为 P 系统。膜计算旨在从生命细胞的 结构和功能以及组织、器官和高级生物组织中细胞群的协作中抽象出计算模型,具有分 布式、极大并行性、非确定性等特点。膜计算已广泛地应用于众多领域。 聚类分析是一种无监督学习过程。数据聚类是将一组数据划分到不同的组或簇中, 使得同一组中的模式尽可能地相似而不同组中的尽可能地相异。与分类不同,用于聚类 的数据没有事先定义好的类标签。通过聚类希望寻找到数据集中数据的自然结构。
  3. 所属分类:其它

    • 发布日期:2015-04-22
    • 文件大小:1048576
    • 提供者:zhuanjiao258
  1. data_clusters

  2. 用Java实现了数据挖掘中的三大聚类算法,K-Means,NMF和Spectral,并对两个1000*25和10000*785的数据集进行了算法实现,计算和统计了纯度和基尼系数,其中数据集每一行表示一个数据项,最后一列是标签表示这个项实际所属的类别
  3. 所属分类:Java

  1. 多视图聚类数据集mfeat

  2. 该mfeat数据集主要用于多视图聚类算法研究,其中已经有标签,可以用于对最终聚类算法分出来的类簇进行评估。
  3. 所属分类:机器学习

    • 发布日期:2017-09-08
    • 文件大小:2097152
    • 提供者:zhyiling
  1. 基于多目标进化算法的多距离聚类研究

  2. 传统的聚类算法通常基于单一的距离度量而设计,如何将多种距离度量有机融合在一起是当前面临的一个挑战。提出了一种基于多目标进化算法的多距离度量聚类框架(multiobjective evolutionary multiple distance measure clustering,MOMDC),并使用欧氏距离和Path距离来设计实际框架。该框架首先将数据集分别用两种距离测度预聚类,而后将预聚类结果做合并,以降低问题的规模;其次分别计算子类间的两种距离关系;最后使用多目标进化算法在两种距离空间中并行
  3. 所属分类:机器学习

    • 发布日期:2018-06-21
    • 文件大小:1048576
    • 提供者:qq_28339273
  1. 聚类测试_31省市居民家庭消费水平-city.txt

  2. 运用K-Means进行聚类分析的数据。 通过无标签的数据,学习数据的分布或数据与数据之间的关系。 1.聚类算法定义:根据数据的“相似性”将数据分为多类的过程。 1.1可运用的算法模块:K-Means、近邻传播算法、DBSCAN算法,高斯混合模型(GMM)等。
  3. 所属分类:机器学习

    • 发布日期:2020-04-05
    • 文件大小:2048
    • 提供者:qq_41709378
  1. QCD感知的Partonic喷射聚类,用于真相喷射风味标签

  2. 我们提出了一种算法,用于推导将应用于蒙地卡罗事件模拟中真粒子喷射的部分风味标签。 该方法的输入是最终的强子化前部分,以消除对非物理细节的依赖,例如矩阵元素计算的顺序和喷淋发生器框架后坐力处理的顺序。 这些使用标准喷射算法进行聚类,并进行了修改,以将允许的伪喷射组合限制为跟踪的风味标签符合QCD和QED Feynman规则的伪喷射组合。 结果表明,算法可以在主要的淋浴发生器系列之间移植,并且对许多可能的系统变化不敏感:因此,与现有的临时标记方案相比,它具有明显的优势。 但是,结果表明,多组分散射模
  3. 所属分类:其它

    • 发布日期:2020-03-29
    • 文件大小:1048576
    • 提供者:weixin_38733333
  1. 利用卷积神经网络支持向量回归机的地区负荷聚类集成预测_沈兆轩.pdf

  2. 为提高地区负荷预测的运算效率和预测精度,本文提 出了一种基于卷积神经网络支持向量回归机的地区负荷聚类 集成预测方法。首先,通过聚类模型对地区内大量用户的真 实负荷数据进行分组并分析了不同聚类模型的效果。其次, 使用得到的聚类分组标签将用户数据分组集成并构建训练数 据。然后,基于改进的卷积神经网络构建了卷积神经网络支 持向量回归机模型。最后,分组进行负荷预测并将预测结果 求和得到地区最终预测月负荷,并与卷积神经网络模型、长 短期记忆神经网络模型、决策树模型、支持向量回归机模型 进行对比。本文使用扬
  3. 所属分类:讲义

    • 发布日期:2020-09-03
    • 文件大小:684032
    • 提供者:SparkQiang
  1. 文本检索结果聚类及类别标签抽取技术研究.caj

  2. 本文根据检索结果聚类特点进行语义特征信息抽取来辅助聚类过程。着眼 于深度挖掘文本之间语义联系,提出基于语义空间转换方法的类别标签自动发 现算法。针对检索结果聚类的实用特性,力图保持检索结果聚类的时效性、准 确性和覆盖性,重点研究了以下问题: 1、基于语义特征抽取的初始信息优化选择 检索结果聚类需要直接呈现给用户,这一特点决定了传统的机器学习算法并 不能完美解决这一问题。理解文本的语义是自然语言处理的终极目标,同样对 于检索结果聚类是十分重要的。针对中文语义分析并不成熟的现状,本文提出 从网络
  3. 所属分类:深度学习

    • 发布日期:2020-09-08
    • 文件大小:4194304
    • 提供者:fengliren
  1. 多语言标签聚类及其应用研究.caj

  2. 本文采用不同的标签自动抽取算法分别对博文正文信息进行标签抽取,在标签抽取 的基础上形成复合标签,并与用户给定的标签进行比较分析。实验结果表明自动抽取的 标签可以作为用户标注标签的有效补充,对用户标注的标签有一定参考价值。 在标签聚类方面,采用分裂式层次聚类算法分别对用户标注的标签以及机器抽取的 标签进行聚类,比较两种不同来源下的标签聚类结果。实验结果表明用户标注的标签聚 类效果明显好于机器抽取标签的聚类结果。
  3. 所属分类:机器学习

    • 发布日期:2020-09-08
    • 文件大小:13631488
    • 提供者:fengliren
  1. K-means聚类算法介绍与利用python实现的代码示例

  2. 聚类 今天说K-means聚类算法,但是必须要先理解聚类和分类的区别,很多业务人员在日常分析时候不是很严谨,混为一谈,其实二者有本质的区别。 分类其实是从特定的数据中挖掘模式,作出判断的过程。比如Gmail邮箱里有垃圾邮件分类器,一开始的时候可能什么都不过滤,在日常使用过程中,我人工对于每一封邮件点选“垃圾”或“不是垃圾”,过一段时间,Gmail就体现出一定的智能,能够自动过滤掉一些垃圾邮件了。这是因为在点选的过程中,其实是给每一条邮件打了一个“标签”,这个标签只有两个值,要么是“垃圾”,要么“
  3. 所属分类:其它

    • 发布日期:2020-12-24
    • 文件大小:344064
    • 提供者:weixin_38504687
  1. 机器学习入门 — K-means、DBSCAN聚类算法(概念、图解、代码示例)

  2. 聚类概念 聚类是把相似的东西分到一组,它是一个无监督问题,没有标签使用 难点: 对于有标签的有监督学习问题,标签可以便于我们来评估模型,无监督学习问题在评估上比较难一点 对于不同的参数组合,得到的学习结果,因为比较难对模型做评估,所以不能通过一个精确度的好坏来选择参数组合 K-MEANS算法 K-MEANS算法是聚类问题中,最简单,也是最实用的一个算法 基本概念 一个数据放进来,需要指定K值,来声明要得到簇的个数 质心:一个簇的数据均值,即向量各维取平均即可(迭代时使用) 距离的度量:常用欧几里
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:448512
    • 提供者:weixin_38674124
  1. 机器学习入门教程5-使用 Python 和 scikit-learn 学习聚类算法

  2. 在本教程中,您将使用无监督学习来发现数据中的分组和异常点。在无监督学习中,没有用于显示期望结果的真值(ground truth) 或带标签的数据集。而是获取原始数据并使用各种算法来发现数据集群。如果您想了解无监督学习背后的理论和概念,请阅读用于数据分类的无监督学习。 在集群变得明显(例如在 3D 图表中)后,您可能想将标签应用于集群。这就是使用无监督学习来发现数据中的隐藏特征的一个示例。如果您不关心集群,而只想了解有关异常点的更多信息,那么可以考虑使用异常检测。 值得注意的是,当您尝试可视化
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:994304
    • 提供者:weixin_38687904
  1. 基于多标签传播聚类算法的疾病相关基因模块检测

  2. 基于多标签传播聚类算法的疾病相关基因模块检测
  3. 所属分类:其它

    • 发布日期:2021-03-06
    • 文件大小:2097152
    • 提供者:weixin_38737213
  1. Python数据挖掘与机器学习,快速掌握聚类算法和关联分析

  2. 聚类问题主要用于解决没有明确分类映射关系的物品归类问题,即无监督学习。分类算法必须需要训练数据,训练数据包含物品的特征和类别(label,也可以被称作标签),这相当于对这些数据建立了映射规则,这种映射规则可以通过机器学习相应的算法来建立,当需要对新的数据进行分类时,就可以直接调用模型,对数据进行相应的处理来实现分类。那么当没有历史数据的时候要对现存的物品进行归类,就需要使用聚类算法解决。比如,聚类算法可以实现公司客户价值自动划分,网页自动归类等。K-Means算法是一种经典的聚类算法,也称作K均
  3. 所属分类:其它

    • 发布日期:2021-02-25
    • 文件大小:763904
    • 提供者:weixin_38592643
  1. DPC-DBFN:基于密度主干和模糊邻域的密度峰聚类-源码

  2. DPC数据库 基于密度骨干和模糊邻域的密度峰聚类 Abdulrahman Lotfi a , Parham Moradi a , Hamid Beigy b 计算机工程,库尔德大学,萨南达季,伊朗的一处 b谢里夫工业大学计算机工程系,伊朗德黑兰 抽象的 密度峰聚类(DPC)由于使用了非迭代过程而成为一种有效的聚类算法。 但是,DPC及其大多数改进都有以下缺点:(1)对截止距离参数高度敏感;(2)在计算局部密度时忽略数据的局部结构;(3)使用明快的内核来计算局部密度(4)遭受连锁React的原因
  3. 所属分类:其它

    • 发布日期:2021-02-16
    • 文件大小:364544
    • 提供者:weixin_42128270
  1. Python数据挖掘与机器学习,快速掌握聚类算法和关联分析

  2. 聚类问题主要用于解决没有明确分类映射关系的物品归类问题,即无监督学习。分类算法必须需要训练数据,训练数据包含物品的特征和类别(label, 也可以被称作标签),这相当于对这些数据建立了映射规则,这种映射规则可以通过机器学习相应的算法来建立,当需要对新的数据进行分类时,就可以直接调用模型,对数据进行相应的处理来实现分类。那么当没有历史数据的时候要对现存的物品进行归类,就需要使用聚类算法解决。比如,聚类算法可以实现公司客户价值自动划分,网页自动归类等。
  3. 所属分类:其它

    • 发布日期:2021-01-27
    • 文件大小:752640
    • 提供者:weixin_38687928
  1. 标签共现的标签聚类算法研究

  2. 标签共现的标签聚类算法研究
  3. 所属分类:其它

    • 发布日期:2021-03-20
    • 文件大小:125952
    • 提供者:weixin_38651661
« 12 3 4 »