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-means聚类算法（vc实现）

  2. 输入：k, data[n]; （1） 选择k个初始中心点，例如c[0]=data[0],…c[k-1]=data[k-1]; （2） 对于data[0]….data[n], 分别与c[0]…c[n-1]比较，假定与c[i]差值最少，就标记为i; （3） 对于所有标记为i点，重新计算c[i]={ 所有标记为i的data[j]之和}/标记为i的个数； （4） 重复(2)(3),直到所有c[i]值的变化小于给定阈值。

  3. 所属分类：C

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

  1. 最短路径选择\完成\K条最短路径.doc

  2. 最短路径选择\完成\K条最短路径.doc 最短路径选择\完成\K条最短路径.doc

  3. 所属分类：C/C++

    • 发布日期：2009-05-19
    • 文件大小：336896
    • 提供者：lonelyhaisong

  1. 两个matlab实现的K-MEANS聚类算法

  2. %k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足： %同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 %k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象， %则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类； %然后再计算每个所获新聚类的聚

  3. 所属分类：其它

    • 发布日期：2009-05-23
    • 文件大小：8192
    • 提供者：lih062624

  1. 第k小元素查找C++程序实现

  2. 本程序用运行环境为vs2005，程序中包含了第k小元素的 中位选择法 随机选择查找方法 排序查找方法

  3. 所属分类：C++

    • 发布日期：2009-07-04
    • 文件大小：48128
    • 提供者：hangdianhanxian

  1. 第k小元素 算法分析与设计 四种算法实现

  2. 第k小元素，算法分析与设计书上的，用mfc实现。做了四种算法，选择排序 快排选择法 中位数法 随机快排

  3. 所属分类：其它

    • 发布日期：2009-07-21
    • 文件大小：598016
    • 提供者：cathere1

  1. VFP中实现选择排序

  2. VFP中实现选择排序 时间:2009-06-07来源:编程入门网 作者:老马 　　众所周知在常用的简单排序方法中，前文所介绍的起泡排序（冒泡排序）是效率最差的一个了。我们今天所介绍的这个选择排序也是简单排序中的一种，不过比起泡排序的效率要高，并且也比较容易实现。 　　这些常用的排序方法多见诸于C/C++方面的资料中，如果要在vfp中实现这些排序方法，原理是一样的，只是在代码实现上略有差别。例如，在C/C++中数组的下标是从0开始，而vfp中数组的下标是从1开始；C/C++中的for语句可以采用

  3. 所属分类：C

  1. 600多k的顶级防火墙Look n Stop 中文版

  2. Look n Stop 被誉为世界顶级防火墙！与同类产品相比具有最为突出的强劲功能以及与众不同的特点，不仅功能评测在知名防火墙中是最强的！而且软件大小只有区区600多k十分小巧， 占内存非常小，可以监控dll，更具强大的御防黑客攻击能力！！ 安装时几点需要注意到的事情： 1、提示没有经过微软的安全监测，这一点容易理解，微软当然希望所有的人使用它自己开发的软件产品，对于出现的提示，我想经常安装非微软软件产品的朋友都会遇上这种情况。 2、重新启动电脑进入桌面时，没有弹出一个询问你是否需要下载多国语

  3. 所属分类：网络基础

    • 发布日期：2009-11-22
    • 文件大小：584704
    • 提供者：chxt168

  1. C#控制台应用程序直接选择排序

  2. 对已给定的数组进行简单的直接选择排序。 直接选择排序的基本思想： n个记录的文件的直接选择排序可经过n-1趟直接选择排序得到有序结果： ①初始状态：无序区为R[1..n]，有序区为空。 ②第1趟排序 　在无序区R[1..n]中选出关键字最小的记录R[k]，将它与无序区的第1个记录R[1]交换，使R[1..1]和R[2..n]分别变为记录个数增加1个的新有序区和记录个数减少1个的新无序区。 　　…… ③第i趟排序 　　第i趟排序开始时，当前有序区和无序区分别为R[1..i-1]和R[i..n](

  3. 所属分类：C#

    • 发布日期：2009-11-27
    • 文件大小：1024
    • 提供者：niubiho

  1. 文本分类中特征选择方法研究.pdf

  2. 对四种特征选择方法: 互信息、信息增益、x 2 统计和期望交叉熵作了简要的介绍, 并 且结合 K NN分类算法 , 使用查全率、查准率、宏平均和微平均对四种特征选择方法分别进行评 估 , 提出并讨论了互信息修正的两种方法。

  3. 所属分类：其它

    • 发布日期：2009-12-06
    • 文件大小：439296
    • 提供者：shiyoumaomao

  1. 用分治法实现元素选择

  2. 用分治法实现元素选择 给定线形序列集中n个元素和一个整数k，1≤k≤n，输出这n个元素中第k小元素的值及其位置。

  3. 所属分类：C/C++

    • 发布日期：2010-03-24
    • 文件大小：5120
    • 提供者：hearten11111

  1. k均值聚类、数据等，学习模式识别的可以参考下

  2. 模式识别中k均值聚类的程序及数据：包括初始中心点的选择、新中心点的选择，距离的定义等

  3. 所属分类：专业指导

    • 发布日期：2010-04-07
    • 文件大小：2048
    • 提供者：yueyue2006

  1. 基于K-means的算法研究

  2. 本数据高维性和稀疏性的特点使得文本对象间的相似度不易度量，根据文本 间的相似度为k-means算法选择的始聚类中心时可能不能很好的代表整个文本集。针对 该缺点，对k．means算法中的初始化问题，提出一个改进的初始聚类中心选择方法。实 验表明改进的方法选择到初始聚类中心比较分散且代表性好。

  3. 所属分类：其它

    • 发布日期：2010-05-17
    • 文件大小：2097152
    • 提供者：nanaliv

  1. 分治法实现线性时间选择

  2. 运用递归与分治的思想就第k小的元素，用到快速排序。

  3. 所属分类：专业指导

    • 发布日期：2010-07-05
    • 文件大小：2048
    • 提供者：yangluluzyl

  1. 降落伞的选择问题 数学模型 MATLAB

  2. 本模型研究的是降落伞的选购方案问题，目的是在满足空投要求的条件下，使费用最少。为了方便对降落伞进行受力分析，我们把降落伞和其负载的物资看做一个整体，忽略了伞和绳子的质量，并假设降落伞只受到竖直方向上空气阻力和重力的作用。通过对降阿落伞在空中的受力情况的分析建立起了高度与时间的方程，然后以高度与时间的方程作为拟合曲线与题中给出的时间与高度的数据进行拟合，得出阻力系数k的值。我们建立了速度与质量的方程，并证明其为严格增函数（证明过程见建模与求解）。由于题中已限制降落伞的最大落地速度为20m/s，所

  3. 所属分类：其它

    • 发布日期：2010-07-12
    • 文件大小：427008
    • 提供者：Justin137794613

  1. 有关K-mean的聚类算法

  2. k-means算法是一种基于样本间相似性度量的间接聚类方法。此算法以k为参数，把n 个对象分为k个簇，以使簇内具有较高的相似度，而且簇间的相似度较低。相似度的计算根据一个簇中对象的平均值来进行。此算法首先随机选择k个对象，每个对象代表一个聚类中心。对于其余的每一个对象，根据该对象与各聚类中心之间的距离，把它分配到与之最相似的聚类中。然后，计算每个聚类的新中心。重复上述过程，直到准则函数收敛。

  3. 所属分类：其它

    • 发布日期：2010-12-27
    • 文件大小：10240
    • 提供者：machiney

  1. K-means聚类初始中心的选择

  2. K—means算法是一种重要的聚类算法，在网络信息处理领域有着广泛的应用．由于该终止于一个局部最优状态，所以初始类中心点的选择会在很大程度上影响其聚类效果。这里提出了一种K—means算法的改进算法，首先探测数据集中的相对密集区域，再利用这些密集区域生成初始类中心点．该方法能够很好地排除类边缘点和噪声点的影响，并且能够适应数据集中各个实际类别密度分布不平衡的情况，最终获得较好的聚类效果．

  3. 所属分类：Java

    • 发布日期：2011-04-01
    • 文件大小：852992
    • 提供者：xiaoq557

  1. 改进k-Means算法在文本聚类中的应用

  2. 本文基于密度的概念，对每个点（文本）按密度大小排序，通过自适应选择最佳密度半径来确定最大的点密度，选择密度较大且合理的点作为聚类的初始中心店，从而优化中心点的选择，使k-means算法有个好的起点。

  3. 所属分类：互联网

  1. 无线传感器网络k点连通可靠性的研究

  2. 本文是利用概率论统计的知识，来探讨WSN的容错问题和可靠性问题。 通过计算机仿真模拟试验,给出了网络的k ( k > 0) 连通度概率分布曲线;引入了连通度的数学期望概念来描述若干次抛撒所形成网络的连通度k 的平均值,给出了其随网络节点个数、节点通讯半径变化的回归方程;给出了无线传感器网络k 点连通概率曲线和3 点连通的经验公式;分析了边界节点对网络连通度的影响。这些对无线传感器网络节点个数和节点通讯半径的选择、系统冗余设计等都具有重要的指导意义或参考价值。

  3. 所属分类：其它

    • 发布日期：2011-07-01
    • 文件大小：2097152
    • 提供者：youbingyu

  1. 初始聚类中心优化的k-means算法.pdf

  2. 传统的k-means算法对初始聚类中心敏感，聚类结果随不同的初始输入而波动。为消除这种敏感性，提出一种优化初始聚类中心的方法，此方法计算每个数据对象所在区域的密度，选择相互距离最远的k个处于高密度区域的点作为初始聚类中心。实验表明改进后的k-means算法能产生质量较高的聚类结果，并且消除了对初始输入的敏感性。 关键词：数据挖掘；聚类；k-means算法；聚类中心

  3. 所属分类：SQLServer

    • 发布日期：2012-01-14
    • 文件大小：104448
    • 提供者：mocuyu

  1. 通过K选择产生的幻觉意味着受限的稀疏表示

  2. 通过K选择产生的幻觉意味着受限的稀疏表示

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：318464
    • 提供者：weixin_38647039
« 12 3 4 5 6 7 8 9 10 ... 50 »