您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. k-means聚类算法

  2. -means聚类算法在二维平面上的可视化实现 聚类时可以设置类数和迭代阈值 聚类结果用色彩和类圆清楚的表现出来
  3. 所属分类:其它

    • 发布日期:2009-05-09
    • 文件大小:45056
    • 提供者:thf198599
  1. K-means聚类算法c语言实现(支持任意维数数据和任意k值)

  2. K-means聚类算法c语言实现。样本数据从文件读入,支持任意维数数据和任意k值(k当然要小于样本数),同时可以防止分出空类。 为做作业原创
  3. 所属分类:C

    • 发布日期:2009-12-01
    • 文件大小:5120
    • 提供者:crespo1864
  1. 图像分割 (阈值迭代法和K-均值聚类法) ^o^

  2. bmp格式的 最近写的 用的方法是阈值迭代法和K-均值聚类法
  3. 所属分类:其它

    • 发布日期:2009-12-17
    • 文件大小:1048576
    • 提供者:nanchi
  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. k-means聚类算法

  2. k-means聚类算法在二维平面上的可视化实现 聚类时可以设置类数和迭代阈值 聚类结果用色彩和类圆清楚的表现出来-k-means clustering algorithm in a two-dimensional plane with the Visualization of clustering can be set up several categories and iterative threshold Clustering results using color and class r
  3. 所属分类:其它

    • 发布日期:2012-05-06
    • 文件大小:45056
    • 提供者:cherrygarden
  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. 基于粒子群的K均值聚类算法

  2. 针对k均值聚类算法存在的缺点,提出了一种新的聚类算法———基于粒子群的k 均值聚类算法,并将此算法与现有的基于遗传算法的k均值聚类算法进行比较, 理论分析和数据实验证明,该算法有较好的全局收敛性,不仅能有效地克服传统的k 均值算法易陷入局部极小值的缺点,而且全局收敛能力优于基于遗传算法的k均值聚类算
  3. 所属分类:C/C++

    • 发布日期:2014-08-19
    • 文件大小:282624
    • 提供者:kris123456
  1. K值聚类算法

  2. (3,6,2,1,4)此类值可以直接使用,({0,1},{3,4},{1,3})此类值需要修改下才能使用!
  3. 所属分类:C#

    • 发布日期:2015-05-07
    • 文件大小:3072
    • 提供者:h394600493
  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. python实现k-means聚类算法

  2. k-means聚类算法 k-means是发现给定数据集的k个簇的算法,也就是将数据集聚合为k类的算法。 算法过程如下: 1)从N个文档随机选取K个文档作为质心 2)对剩余的每个文档测量其到每个质心的距离,并把它归到最近的质心的类,我们一般取欧几里得距离 3)重新计算已经得到的各个类的质心 4)迭代步骤(2)、(3)直至新的质心与原质心相等或迭代次数大于指定阈值,算法结束 算法实现 随机初始化k个质心,用dict保存质心的值以及被聚类到该簇中的所有data。 def initCent(dat
  3. 所属分类:其它

    • 发布日期:2020-12-25
    • 文件大小:74752
    • 提供者:weixin_38645434
  1. Python机器学习之K-Means聚类实现详解

  2. 本文为大家分享了Python机器学习之K-Means聚类的实现代码,供大家参考,具体内容如下 1.K-Means聚类原理 K-means算法是很典型的基于距离的聚类算法,采用距离作为相似性的评价指标,即认为两个对象的距离越近,其相似度就越大。其基本思想是:以空间中k个点为中心进行聚类,对最靠近他们的对象归类。通过迭代的方法,逐次更新各聚类中心的值,直至得到最好的聚类结果。各聚类本身尽可能的紧凑,而各聚类之间尽可能的分开。 算法大致流程为:(1)随机选取k个点作为种子点(这k个点不一定属于数据集
  3. 所属分类:其它

    • 发布日期:2020-12-24
    • 文件大小:76800
    • 提供者:weixin_38743506
  1. 聚类算法:K-means聚类图像分割

  2. 1 K-Means聚类 K-Means聚类是最常用的聚类算法,最初起源于信号处理,其目标是将数据点划分为K个类簇,找到每个簇的中心并使其度量最小化。该算法的最大优点是简单、便于理解,运算速度较快,缺点是只能应用于连续型数据,并且要在聚类前指定聚集的类簇数。 下面是K-Means聚类算法的分析流程,步骤如下: 第一步,确定K值,即将数据集聚集成K个类簇或小组。 第二步,从数据集中随机选择K个数据点作为质心(Centroid)或数据中心。 第三步,分别计算每个点到每个质心之间的距离,并将每个点划分到
  3. 所属分类:其它

    • 发布日期:2020-12-22
    • 文件大小:159744
    • 提供者:weixin_38639642
  1. 基于K均值聚类的智能建筑应用电气设备识别。

  2. 随着建筑物联网(BIoT)系统的发展和广泛应用,连接了多种类型的设备,并收集了大量的设备数据。 为方便设备管理,应标识设备并贴上标签。 传统上,此过程是手动执行的,这不仅费时,而且会导致不可避免的遗漏。 在本文中,我们针对智能建筑应用提出了一种基于k均值聚类的电气设备识别方法,可以自动识别连接到BIoT系统的未知设备。 首先,分析负载特性,并从收集的数据中提取用于设备识别的电气特性。 其次,两次使用k-means聚类来构建识别模型。 初步聚类采用传统的k均值算法对总谐波电流畸变数据进行分析,并根
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:1048576
    • 提供者:weixin_38678172
  1. DominantColor:使用k均值聚类查找图像的主色-源码

  2. 主色 使用CIE LAB颜色空间和k-均值聚类算法查找图像的主色。 算法 色彩空间 RGB色彩空间没有考虑到人类的感知,因此使用CIELAB色彩空间代替,该色彩空间旨在逼近人类视觉 。 从RGB转换 从RGB值到LAB值的转换需要首先将RGB值转换为sRGB类的绝对颜色空间。 在iOS上,此转换不是必需的,因为sRGB是本机设备的色彩空间 。 在OS X上,可以使用进行转换。 一旦将颜色转换为sRGB,便会先将其转换为线性sRGB值,然后再转换为CIE XYZ值 。 最后,使用D65标准光源
  3. 所属分类:其它

    • 发布日期:2021-02-28
    • 文件大小:1048576
    • 提供者:weixin_42097914
  1. 基于差分隐私保护的离群值消除k均值聚类算法

  2. 基于差分隐私保护的离群值消除k均值聚类算法
  3. 所属分类:其它

    • 发布日期:2021-02-26
    • 文件大小:1048576
    • 提供者:weixin_38752628
  1. 基于K-means聚类的数字半色调算法

  2. 数字半色调是在二值设备或多色二值设备上实现图像再现的一门技术,提出将K-means聚类法应用在 数字半色调技术中。算法中应用人类视觉系统模型(HVS)和印刷模型最大限度减少原始灰度连续调图像和半 色调图像之间的视觉误差;利用K-means聚类法将灰度图像划分成聚类分区,在每个聚类分区应用最小平方法 (least-squares)最小化二值半色调图像和原始灰度级图像之间的平方误差,所构造的半色调算法与基于模型的最小平方法(LSMB)算法相比,随着聚类分区的增加,图像平滑且边缘清晰度增加,尤其是在图
  3. 所属分类:其它

    • 发布日期:2021-02-24
    • 文件大小:1048576
    • 提供者:weixin_38528888
  1. 粗糙K-Modes聚类算法

  2. Michael K.Ng等人提出了新K-Modes聚类算法,它采用基于相对频率的启发式相异度度量方法,有效地提高了聚类精度,但不足的是在计算各类的属性分类值频率时假定类中样本对聚类的贡献相同。为了考虑类中样本对类中心的不同影响,提出一种粗糙K-Modes算法,通过粗糙集的上、下近似度量数据样本在类内的重要性程度,不仅可以获得比新K-Modes算法更好的聚类效果,而且可以在保证聚类效果的基础上降低白亮等人提出的基于粗糙集改进的K-Modes算法的计算复杂度。对几个UCI的数据集的测试实验结果显示出
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:1048576
    • 提供者:weixin_38553381
  1. 基于新的距离度量的K-Modes聚类算法

  2. 传统的K-Modes聚类算法采用简单的0-1匹配差异方法来计算同一分类属性下两个属性值之间的距离,没有充分考虑其相似性.对此,基于粗糙集理论,提出了一种新的距离度量.该距离度量在度量同一分类属性下两个属性值之间的差异时,克服了简单0-1匹配差异法的不足,既考虑了它们本身的异同,又考虑了其他相关分类属性对它们的区分性.并将提出的距离度量应用于传统K-Modes聚类算法中.通过与基于其他距离度量的K-Modes聚类算法进行实验比较,结果表明新的距离度量是更加有效的.
  3. 所属分类:其它

    • 发布日期:2021-02-22
    • 文件大小:287744
    • 提供者:weixin_38719564
  1. k-meansComp:使用k-means聚类的图像压缩-源码

  2. 使用k均值聚类的图像压缩 该程序使用图像中每个像素的RGB值作为特征执行k-means clustering 。 图像中成千上万种独特的颜色基本上平均为K种不同的颜色。 各种K值的输出如下所示。 将要压缩的images image.png在images文件夹中。 原始图片积分 该项目的Coursera MOOC:的作业为基础。
  3. 所属分类:其它

    • 发布日期:2021-02-18
    • 文件大小:1048576
    • 提供者:weixin_42130786
  1. 机器学习k值聚类算法

  2. 用MATLAB实现的k值聚类算法
  3. 所属分类:算法与数据结构

    • 发布日期:2021-01-28
    • 文件大小:9216
    • 提供者:kiomito
« 12 3 4 5 6 7 8 9 10 »