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. k-平均聚类算法，采用c语言编写

  2. 这是一个采用c语言编写的k平均聚类算法，里面是源代码，可以运行

  3. 所属分类：C

    • 发布日期：2009-05-14
    • 文件大小：9216
    • 提供者：glexist

  1. 论文:一种改进的k_means中文文本聚类算法

  2. 论文:一种改进的k_means中文文本聚类算法 pdf文档

  3. 所属分类：其它

    • 发布日期：2009-06-08
    • 文件大小：89088
    • 提供者：mb25chen

  1. 聚类算法综述- a survey on clustering algorithm

  2. 详细列举了各种聚类算法。 1. 分层次聚类法（最短距离法） .1 2. 最简单的聚类方法.2 3. 最大距离样本3 4. K 平均聚类法（距离平方和最小聚类法） 3 5. 叠代自组织（ISODATA）聚类法4 6. ISODATA 法的改进.5 7. 基于“核”的评估聚类方法.6

  3. 所属分类：其它

    • 发布日期：2009-06-30
    • 文件大小：59392
    • 提供者：nonegos

  1. 聚类MATLAB程序

  2. 聚类MATLAB程序，希望能够对同行有所帮助！

  3. 所属分类：其它

    • 发布日期：2009-07-19
    • 文件大小：49152
    • 提供者：bairn1

  1. RBF神经网络的平均聚类算法

  2. 采用K均值聚类算法来优化RBF神经网络的各项参数。

  3. 所属分类：网络基础

    • 发布日期：2009-09-05
    • 文件大小：2048
    • 提供者：dushla

  1. k-平均算法及程序说明

  2. 最近帮MM辅导数据挖掘作业，整理了一个K平均方法。和大家分享。 K平均算法介绍，实现流程，Java代码和注释

  3. 所属分类：其它

    • 发布日期：2009-11-18
    • 文件大小：47104
    • 提供者：xiaoyule

  1. k平均聚类算法java

  2. k平均聚类算法java实现-------

  3. 所属分类：其它

    • 发布日期：2010-04-14
    • 文件大小：10240
    • 提供者：mexxai

  1. 熟练运用聚类分析标准测试数据集

  2. 用于聚类分析KMeans--------------NetBeans平台下K平均聚类算法的Java实现；

  3. 所属分类：Java

    • 发布日期：2010-08-07
    • 文件大小：105472
    • 提供者：cool_123456

  1. Web文本聚类技术及聚类结果可视化研究

  2. 大连交大一位马同学的硕士论文。设计并实现了一个并行K-means聚类算法和Web文本聚类原型系统，可进行并行K-means算法的划分聚类和基于层次的组平均聚类。利用几 组Web文本数据集对基本的K-means算法和改进的算法以及基于层次的组平均算法进行试验和比较，验证改进算法的有效性。实验结果表明：并行K-means算法的聚类结果与串行算法相同，但执行效率得到了很大的提高。

  3. 所属分类：其它

    • 发布日期：2010-09-27
    • 文件大小：1048576
    • 提供者：afanger

  1. 非常详细的聚类算法综述

  2. 分层次聚类法（最短距离法）、K平均聚类法（距离平方和最小聚类法）、叠代自组织（ISODATA）聚类法

  3. 所属分类：其它

    • 发布日期：2011-06-05
    • 文件大小：59392
    • 提供者：z76216088

  1. K平均聚类图像分割

  2. 人工智能作业-K平均聚类图像分割 K平均聚类算法实现图像分给 MFC

  3. 所属分类：其它

    • 发布日期：2012-02-08
    • 文件大小：4194304
    • 提供者：wangyu1wangyu

  1. k平均聚类算法java

  2. 典型的k平均聚类算法java版，适合初学者学习！

  3. 所属分类：Java

  1. VC++2012版 K平均聚类图像分割 动态演示源码

  2. VC++2012版 K平均聚类图像分割 动态演示源码

  3. 所属分类：C++

    • 发布日期：2015-01-16
    • 文件大小：4194304
    • 提供者：shikunss

  1. MATLAB实现K-means聚类

  2. function [idx, C, sumD, D] = kmeans(X, k, varargin) % varargin：实际输入参量 if nargin 1 % 大于1刚至少有一种距离 error(sprintf('Ambiguous ''distance'' parameter value: %s.', distance)); elseif isempty(i) % 如果是空的，则表明没有合适的距离 error(sprintf('Unknown ''distance'' parame

  3. 所属分类：专业指导

    • 发布日期：2015-09-20
    • 文件大小：23552
    • 提供者：qq_22248495

  1. 基于聚类和K近邻算法的井下人员定位算法

  2. 针对现有基于指纹模的井下定位算法存在的计算量大、实时性低、定位精度较低的问题，提出了基于聚类和K近邻算法的井下人员定位算法。用二分kmeans聚类算法对采集的RSSI数据进行分类，建立离线指纹数据库；无线移动终端和动态修正器实时采集RSSI值，分别存储到在线定位数据库和动态修正数据库；根据待测点和动态修正器的离线数据和实时数据，采用软硬件动态修正加权K近邻算法计算权重值，结合离线指纹数据库中待测点的物理位置信息估算其实时位置。实验分析结果表明，所提定位算法的最小标准误差为0.46 m，最大标准

  3. 所属分类：其它

    • 发布日期：2020-05-09
    • 文件大小：1048576
    • 提供者：weixin_38651540

  1. k-平均聚类

  2. 关于k-平均聚类算法的一篇论文，英文

  3. 所属分类：其它

    • 发布日期：2008-01-21
    • 文件大小：156672
    • 提供者：currenttt

  1. 基于k-d树分区的聚类算法并行加速策略

  2. 针对传 统K-Means算法存在准确率低、聚类速度慢的问题，从K-Means算法优化和Flink框架并行层面对K-Means算法优化。为避免算法陷入局部最优解，采用质心间最大距离原则选出k个质心；为提高大数据量下的K-Means聚类速度，提出用k-d树算法划分数据集实现操作算子并行化，设置多个Task Manager数目和CPU核数加速F-Kmeans算法的执行。实验结果表明，较K-Means算法，F-Kmeans算法的准确率提高了约3.6％；F-Kmeans算法在DataSource耗时降低了

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：929792
    • 提供者：weixin_38624315

  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. 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. 基于快速K-medoids聚类的WLAN室内定位算法

  2. 在WLAN位置指纹定位技术中，K-means聚类算法一直被用于离线训练阶段的参考点聚类，文中针对该法对噪声数据和孤立点数据非常敏感等缺点，采用快速K-medoids聚类算法来对定位区域内的参考点进行聚类。快速K-medoids参考点聚类算法先选取初始类中心参考点，再通过迭代方式在每一类中选取与其他位置指纹信息距离之和最小的那条位置指纹信息对应的参考点作为类中心参考点。最后通过实验数据分析表明，相比K-means参考点聚类算法，从平均误差、标准差和累积误差曲线图3个方面可以看出快速K-medoid

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：903168
    • 提供者：weixin_38569569
« 12 3 4 »