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近邻算法(分层聚类KNN和KDtree KNN)

  2. K近邻算法matlab实现，包括分层聚类KNN和KDtree KNN，有什么建议，欢迎与我交流，谢谢

  3. 所属分类：其它

    • 发布日期：2009-05-08
    • 文件大小：4096
    • 提供者：collinmsn

  1. 数据分析-KNN-Cluster-DA-KMC-etc

  2. 数据分析 决策树 聚类分析 Logistic 主因素 英文的 入门和初级的 理论的

  3. 所属分类：专业指导

    • 发布日期：2010-11-08
    • 文件大小：813056
    • 提供者：niufei_hust

  1. 个性化服务中的并行K-Means聚类算法

  2. 个性化服务中的并行K-Means聚类算法 Knn :K-Means A类算法在墓于Web日志的个性化服务领域得到广泛的应用，但是在处理海I戮据过程中， 传统的(单机)K-Means聚类算法存在着可扩展性差、效率低下、运行时间长等缺点，在充分研究传统K-Means聚 类算法的墓础上，发现K-Means聚类算法中筑含的并行性，提出了一种基于用户的并行处理K-Means聚类算法， 并将该并行算法应用到个性化服务中对网站用户进行聚类，有效地缩短了用户聚类的时间。 关越词:个性化服务;并行;聚类算法

  3. 所属分类：C/C++

    • 发布日期：2011-03-28
    • 文件大小：265216
    • 提供者：azurehpc

  1. 并行k 均值聚类算法的完备性证明与实现

  2. ：对经典k 均值算法进行分析，证明如何在减少节点间通信代价的情况下，从局部聚类信息生成完备的全局聚类信息，使聚类质量 等价于相应串行算法，并具有较高的执行效率，在此基础上给出可信的基于消息传递接口的并行k 均值算法。实验结果表明，该算法是高 效的和可行的。

  3. 所属分类：C/C++

    • 发布日期：2011-03-28
    • 文件大小：101376
    • 提供者：azurehpc

  1. 基于量子遗传算法的XML聚类集成

  2. 为了改善单一聚类算法的聚类性能，提出一种基于量子遗传算法的XML文档聚类集成解决方法。该方法先利用kNN分类划分k个差异性的聚类成员；其次根据聚类成员的关系获得的内联相似度矩阵，并通过多次分割、向下、向上、双向收缩的QR算法分解特征值对应的特征向量来实现矩阵的维数缩减；然后在映射空间上，用初始聚类中心构造量子遗传算法的初始种群，用量子遗传算法来寻找样本集的最优聚类组合，把每一个样本判别到最优的聚类类别中，从而完成聚类集成。为了验证本文提出的算法，实验结果显示，该聚类集成算法比单聚类算法具有更好

  3. 所属分类：其它

    • 发布日期：2011-12-26
    • 文件大小：331776
    • 提供者：hunanjjyy

  1. ClusterUsingKmeans聚类工具

  2. ClusterUsingKmeans聚类工具,；利用KNN 算法实现聚类

  3. 所属分类：Java

    • 发布日期：2012-08-08
    • 文件大小：3072
    • 提供者：abclinlin2011

  1. SMMC聚类算法

  2. SMMC 解决流形聚类问题 好用 function [cluster_labels,ppca_label,mse,time_mppca,time_smmc,time_sc,W] = smmc(X,nClusts,ppca_dim,ncentres,knn,power) %%%% spectral multi-manifold clustering (smmc) algorithm %%%% Input % X D by N data matrix D*N的矩阵 % nClusts number

  3. 所属分类：数据库

    • 发布日期：2015-10-27
    • 文件大小：157696
    • 提供者：xuxiaoxue15

  1. 一种改进的自适应快速AF-DBSCAN聚类算法

  2. 基于密度的DBSCAN聚类算法可以识别任意形状簇,但存在全局参数Eps与Min Pts的选择需人工干预,采用的区域查询方式过程复杂且易丢失对象等问题,提出了一种改进的参数自适应以及区域快速查询的密度聚类算法。根据KNN分布与数学统计分析自适应计算出最优全局参数Eps与Min Pts,避免聚类过程中的人工干预,实现了聚类过程的全自动化。通过改进种子代表对象选取方式进行区域查询,无需漏检操作,有效提高了聚类的效率。对4种典型数据集的密度聚类实验结果表明,本文算法使得聚类精度提高了8.825%,聚类

  3. 所属分类：互联网

    • 发布日期：2017-04-05
    • 文件大小：146432
    • 提供者：dwf_android

  1. Matlab实现(KNN)自适应谱聚类

  2. Matlab实现(KNN)自适应谱聚类

  3. 所属分类：互联网

    • 发布日期：2017-04-15
    • 文件大小：11264
    • 提供者：bwangk

  1. KNN-文本聚类

  2. KNN文本聚类，下下来就能用，用于文本的无监督学习，注意内存

  3. 所属分类：机器学习

    • 发布日期：2017-10-23
    • 文件大小：5242880
    • 提供者：weixin_39338157

  1. birch，Kmeans，Kmeans++，KNN四种聚类算法对二维坐标聚类分析代码

  2. birch，Kmeans，Kmeans++，KNN四种聚类算法对同一个二维坐标数据集进行聚类分析，python代码

  3. 所属分类：机器学习

    • 发布日期：2018-06-23
    • 文件大小：4096
    • 提供者：zhouzhuo_csuft

  1. 四种聚类算法对二维坐标聚类分析.rar

  2. birch，Kmeans，Kmeans++，KNN四种聚类算法对同一个二维坐标数据集进行聚类分析，python代码

  3. 所属分类：Python

    • 发布日期：2020-01-13
    • 文件大小：5120
    • 提供者：Mtone_007

  1. 一种模糊聚类KNN位置指纹定位算法

  2. 阐述了位置指纹定位算法在室内WLAN环境中的应用，分析了KNN定位算法存在的不足，提出一种模糊聚类KNN位置指纹定位算法。该算法首先选取与空间相关性较好的4个信号参数，构成多径纹信号数据库；然后应用主分量分析法（PCA）对原始信号数据库作降维运算，滤除奇异性接入点（AP）；最后用模糊C均值聚类算法（FCM）处理数据，进一步滤除奇异性参考点（RP），实现提高定位算法效率与精度的目的。实验表明，改进后的定位算法产生的定位误差明显减小。

  3. 所属分类：其它

    • 发布日期：2020-10-18
    • 文件大小：436224
    • 提供者：weixin_38716556

  1. 基于模糊聚类的ZigBee室内定位系统设计

  2. 随着计算机技术及传感技术的发展，基于位置服务（LBS）逐渐成为研究热点。在采用德州仪器公司CC2530芯片设计的一套ZigBee室内定位系统的基础上，提出了基于模糊聚类的加权最邻近定位算法，并利用设计的ZigBee室内定位系统进行实验。实验结果表明，采用基于模糊聚类的加权最邻近定位算法，ZigBee室内定位系统的平均定位精度有了一定的提高，平均定位精度达到了1.47 m，并且与常见的NN定位算法、KNN定位算法、贝叶斯定位算法的定位效果进行了对比。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：299008
    • 提供者：weixin_38653040

  1. Machine-Learning:包含KNN，感知机，多层感知机，聚类分析等源代码-源码

  2. Machine-Learning:包含KNN，感知机，多层感知机，聚类分析等源代码

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：291840
    • 提供者：weixin_42115074

  1. 基于谱聚类的离群值检测技术

  2. 离群检测在许多应用领域中显示出越来越高的实用价值，例如入侵检测，欺诈检测，电子商务中犯罪活动的发现等。 已经开发出许多用于离群值检测的技术，包括基于分布的离群值检测算法，基于深度的离群值检测算法，基于距离的离群值检测算法，基于密度的离群值检测算法和基于聚类的离群值检测。 频谱聚类作为近年来出现的竞争性聚类算法备受关注。 但是，它不能很好地扩展到现代大型数据集。 为了部分规避此缺点，在本文中，我们提出了一种受谱聚类启发的新的异常值检测方法。 我们的算法结合了kNN的概念和频谱聚类技术，通过在特征空

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：230400
    • 提供者：weixin_38749305

  1. 基于聚类的垃圾邮件识别技术研究

  2. 随着垃圾邮件数量日益攀升,如何有效识别垃圾邮件已成为一项非常重要的课题。为克服k最近邻(k-nea-rest neighbor,kNN)分类法在垃圾邮件识别中的缺陷,本文基于聚类算法提出了一种改进kNN识别方法。首先使用基于最小距离原则的一趟聚类算法将训练邮件集合划分为大小几乎相同的超球体,每个超球体包含一个类别或多个类别的文本;其次,采用投票机制对得到的聚类结果进行簇标识,即以簇中最多文本的类别作为簇的类别,得到的识别模型由具有标识的簇组成;最后,结合最近邻分类思想,对输入的邮件进行自动识别。

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：805888
    • 提供者：weixin_38609732

  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. 机器学习和数据科学：机器学习和数据挖掘：回归[线性（选择和收缩，降维，超出线性范围）和非线性回归（逻辑，K-NN，树）]，交叉验证（LOOCV，K -折数，偏差与方差，分类（LDA，QDA，K-NN，物流，树，SVM），聚类（PCA，K-M

  2. 机器学习与数据科学 机器学习和数据挖掘：回归[线性（选择和收缩，降维，超出线性范围）和非线性回归（逻辑，K-NN，树）]，交叉验证（LOOCV，K折，偏差与方差） ，分类（LDA，QDA，K-NN，物流，树，SVM），聚类（PCA，K-Means，分层）本课程将介绍数据挖掘/统计学习的主要主题，包括：统计基础，数据可视化，分类，回归，聚类。 重点将放在统计学习方法，其背后的模型，直觉和假设以及对实际问题的应用上。 您可以在stats 415项目文件夹中找到我的最终项目。 项目总结 实施整个学

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：18874368
    • 提供者：weixin_42166261

  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
« 12 3 4 5 »