您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  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. 改进的蚂蚁聚类算法 曲建华

  2. 该算法不再采用欧几里得距离来计算类内对象的相似性,而是使用新的对称点距离来计算相似性,在处理带有对称性质的数据集时,可以有效地识别给定数据集的聚类数目和合适的划分。
  3. 所属分类:互联网

  1. 聚类算法实现

  2. 是一个完整的工程文件,包含了debug版的exe,和release版的exe,可直接运行,源代码有注释,主要实现了K均值聚类和isodata迭代自组织聚类,使用的数据是随机产生的50个点,可以用来熟悉算法,如果要用于图像处理,可直接调用这两个函数
  3. 所属分类:C++

    • 发布日期:2012-11-16
    • 文件大小:7340032
    • 提供者:ancywawa
  1. k-means聚类算法 java版

  2. k-means聚类算法 java版 // 随机点的个数 int max_point_number = 100; // x坐标的最大值 int max_x = 10; // y坐标的最大值 int max_y = 10; // 聚类的个数 int cluster_number = 4; // 迭代的次数 int iter_count = 10; // 构造函数,三个参数分别为点的个数,x的最大值,y的最大值 BuildRandomNumber brn = new BuildRandomNumbe
  3. 所属分类:互联网

    • 发布日期:2013-08-08
    • 文件大小:5120
    • 提供者:wei4571711
  1. K-means聚类

  2. K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数
  3. 所属分类:C++

    • 发布日期:2014-09-01
    • 文件大小:2048
    • 提供者:baidu_20289517
  1. 聚类算法K-means

  2. K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。
  3. 所属分类:C/C++

  1. matlab 生成几个聚类点函数nngenc函数

  2. 自动生成聚类点函数: x = nngenc(bounds,clusters,points,std_dev); bounds,:表示生成点的取值范围 clusters:表示聚类点的个数 ,points,:表示生成多少个点 std_dev:每个聚类点距质心的偏差
  3. 所属分类:其它

    • 发布日期:2018-06-22
    • 文件大小:1024
    • 提供者:qq_20376785
  1. k-means 聚类

  2. K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。
  3. 所属分类:其它

    • 发布日期:2018-01-23
    • 文件大小:745
    • 提供者:wanziiiiiiii
  1. 煤矿瓦斯煤尘爆炸危险源灰色聚类评估

  2. 应用安全系统工程和层次分析方法,以人—机—环境—管理4个方面为准则对煤矿瓦斯煤尘爆炸事故危险源进行定性分析。通过两两比较评分准则,借助Mtalab计算各指标的权重。建立基于中心点三角白化权函数的瓦斯煤尘爆炸危险源灰色聚类评估体系,计算各评估指标的灰色聚类系数,确定各准则层所属灰类,从而准确分析煤矿所需整改方向,确保煤矿安全生产。
  3. 所属分类:其它

    • 发布日期:2020-05-17
    • 文件大小:437248
    • 提供者:weixin_38599412
  1. matlab实现的k聚类算法

  2. matlab实现的k聚类算法实例,从excel表格中读取二维数据点(x,y),然后将数据点分类,可以自主调节类别数量。压缩包包含如下内容:kmeans聚类函数(kmeans_clustering.m),测试代码(main.m),测试数据(testdata.xls)。在MATLAB 2019a和MATLAB 2016a下运行正常。
  3. 所属分类:算法与数据结构

    • 发布日期:2020-05-13
    • 文件大小:12288
    • 提供者:HMbaba
  1. 基于聚类挖掘的安全阀试验位移数据处理

  2. 在安全阀试验中,位移是计算流量的重要数据,由于液压系统振动及位移传感器数据采集误差等原因,需对原始位移数据进行处理。依据位移数据的时序性和分布特征,建立新的相似函数作为数据聚类的判定准则,改进聚类挖掘方法;并提出新的聚类中心不同的聚类方法,按照时间顺序将数据聚类与初始聚类中心的选取交替进行,完成数据样本的全部聚类。最后对各簇数据样本中的异常点进行检测和处理,并采用平均值法计算每簇数据新的聚类中心,作为实际的位移数据。
  3. 所属分类:其它

    • 发布日期:2020-05-11
    • 文件大小:208896
    • 提供者:weixin_38625559
  1. 一种新的基于影响强度的网格点层次树近邻函数聚类算法

  2. 一种新的基于影响强度的网格点层次树近邻函数聚类算法,季民,李婷,从自然聚类的过程来看,聚类应首先从个体数据要素之间开始,即个体数据要素根据其近邻要素的情况首先产生同谁聚合的趋势,如何从
  3. 所属分类:其它

    • 发布日期:2020-02-03
    • 文件大小:529408
    • 提供者:weixin_38598745
  1. 基于快速密度聚类的电力通信网节点重要性评估.pdf

  2. 电力通信网的节点重要性评估是电力通信研究的一个重要议题。针对目前电力通信网节点重要性评估存在 的连接权值单一以及评价指标单一等问题,利用电力通信网的带宽和距离作为权值,计算电力通信网节点的多种 评价指标:节点强度、节点紧密度以及节点的介数。基于电力通信网节点的多种评价指标,利用快速密度聚类方 法建立电力通信网的节点重要性评估模型,为电网通信的规划做支撑。通过快速密度聚类方法进行无监督的分类, 将节点分为若干个重要性等级。该方法可以有效地改善基于距离的无监督分类方法的不足。利用某省的实际电
  3. 所属分类:其它

    • 发布日期:2019-09-13
    • 文件大小:403456
    • 提供者:weixin_38743481
  1. 【MATLAB】MATLAB实现K-mean聚类算法

  2. MATLAB实现K-均值聚类算法,可以自由调整点集和聚类中心个数。 程序中包含函数,如MATLAB版本较低请将文件中的函数另外新建文件保存。
  3. 所属分类:专业指导

    • 发布日期:2020-05-24
    • 文件大小:77824
    • 提供者:weixin_42066135
  1. 基于模式形态距离的桥梁监测测点相似性聚类研究

  2. 为挖掘桥梁检测各测点之间的相似关系,提出基于模式形态距离的时间序列相似性度量方法。该方法首先根据监测时间序列的形态特征将序列划分成若干模式,然后以各模式形态的动态变化趋势差异为依据进行相似性的判别,并定义了各类判别结果的距离函数,最后得出各测点间的模式形态距离。在此基础上,对玉峰大桥监测点的相似性进行层次聚类分析,结果反映出的信息与桥梁的真实结构状况一致。监测点的相似性分析为桥梁结构提供了更深层次信息挖掘的可能,为传感器的坏点排查以及结构的异常数据判别提供了科学的依据。
  3. 所属分类:其它

    • 发布日期:2020-06-17
    • 文件大小:1048576
    • 提供者:weixin_38614825
  1. K-均值聚类算法研究

  2. 【摘要】 目前,对于聚类问题的研究普遍存在于社会生活中的各个领域,如模式识别、图像处理、机器学习和统计学等。关于对生活中各种各样的数据的聚类分类问题已经成为众多学者的研究热题之一。聚类和分类的区别在于,聚类没有任何先验知识可循,要通过数据自身的特点,将数据自动的划分到不同的类别中。聚类的基本形式定义为“在已给的数据集合中寻找数据点集的同类集合。每一个集合叫做一个类,并确定了一个区域,在区域中对象的密度高于其他区域中的密度。”聚类方法有很多种,其中最简单的形式便是划分式聚类,划分式聚类试图将给定的
  3. 所属分类:互联网

    • 发布日期:2020-07-04
    • 文件大小:3145728
    • 提供者:songzailu6482
  1. 基于AP布置优化和K-means聚类算法的室内定位研究

  2. 传统室内定位中聚类算法被动依赖定位环境中接入点(Acess Point,AP)数量,导致定位效率低、误差大,室内位置指纹定位研究中AP布局是影响定位精度的关键性因素。因此,采用Intel芯片的嵌入式微系统和美国Signal Hound生产的SA44B型测量接收机共同组成传感器网络,根据电波路径损耗建立室内定位的目标函数,采用单纯形法和模拟退火算法融合算法对目标函数进行优化,从而达到最合理的AP室内位置布局,而后改进K-means聚类算法将优化后的AP位置坐标作为初始聚类中心,来提高系统的定位效率
  3. 所属分类:其它

    • 发布日期:2020-10-16
    • 文件大小:431104
    • 提供者:weixin_38538312
  1. 基于聚类算法人脸识别方法的研究

  2. 本文研究了基于聚类算法的人脸识别方法。根据人脸图像划分子图像的数目和所选定的训练或测试人脸图像的类别数的情况,确定RBF神经网络的输入层、输出层的节点数;根据RBF神经网络的训练识别效果,通过调整中间隐含层节点数、核函数及其中心点和宽度,通过基于聚类算法的人脸识别仿真实验,具体量化了中间隐含层节点数与子图像的对应关系、每幅子图像中奇异值向量的保留个数、聚类因数的选取等各项参数,为进一步根据各个子图像权值的合理分配,提高人脸识别的识别精度和良好的识别速度提供了有效的参数支持。
  3. 所属分类:其它

    • 发布日期:2020-10-24
    • 文件大小:178176
    • 提供者:weixin_38601215
  1. python中实现k-means聚类算法详解

  2. 算法优缺点: 优点:容易实现 缺点:可能收敛到局部最小值,在大规模数据集上收敛较慢 使用数据类型:数值型数据 算法思想 k-means算法实际上就是通过计算不同样本间的距离来判断他们的相近关系的,相近的就会放到同一个类别中去。 1.首先我们需要选择一个k值,也就是我们希望把数据分成多少类,这里k值的选择对结果的影响很大,Ng的课说的选择方法有两种一种是elbow method,简单的说就是根据聚类的结果和k的函数关系判断k为多少的时候效果最好。另一种则是根据具体的需求确定,比如说进行衬衫尺寸
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:256000
    • 提供者:weixin_38651450
  1. 一种适用于模糊聚类算法的有效性指标

  2. 模糊c均值聚类算法是最常见的聚类算法。 它通过定义成员资格矩阵来解决数据的不切实际的本质。 由于模糊c均值聚类算法需要预先设置分类数,这在没有先验数据集的情况下几乎是不可能的,因此一些学者提出了有效性指标的概念。 由于有效性指标与隶属度矩阵,数据集中的数据点和聚类中心之间的距离关系有关,因此希望特征加权方法可以用于评估数据集中数据的所有特征。以获得最佳的分类编号。 因此,本文提出了一种针对综合权重指数,密实度指数和可分离性指数的改进的有效性指数。 该有效性指标首先确定数据点的特征与数据点本身之间
  3. 所属分类:其它

    • 发布日期:2021-03-23
    • 文件大小:1048576
    • 提供者:weixin_38631401
« 12 3 4 5 6 »