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. 两个K均值算法+K中心点算法

  2. K均值算法一个是一维的,另一个是二维的 K中心点算法
  3. 所属分类:其它

    • 发布日期:2010-04-21
    • 文件大小:5120
    • 提供者:zqlong_sunday
  1. 改进k_means聚类算法c代码

  2. c实现改进的k_means算法可以解决孤立点的问题,但只能在有一个主属性的情况下才适用,计算任意维中心点, 并进行分类数据以文本的形式读入,以文本的形式输出。
  3. 所属分类:C

    • 发布日期:2010-10-25
    • 文件大小:13312
    • 提供者:lt114896
  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. 一种改进的K-means初始聚类中心选取算法

  2. 在传统的k-means聚类算法中,聚类结果会随着初始聚类中心点的不同而波动,针对这个确定,提出一种优化初始聚类中心的算法。
  3. 所属分类:互联网

  1. 基于聚类算法(K平均算法)实现的模式识别

  2. 使用K-平均算法,以颜色分量(或几何性状)作为坐标参数,对景象图进行聚类分析,在最后的分类结果中将路标(可能包括少量相似区域)聚类为一个模式类别。并且给出了样本模式点,绘制除了坐标图(标出各个聚类中心的迭代移动轨迹)。
  3. 所属分类:C/C++

    • 发布日期:2011-08-31
    • 文件大小:6291456
    • 提供者:zuizuiai520
  1. 模式识别中的K均值算法改进

  2. K均值的时间复杂度为NKTD,其中,N代表样本个数,K代表k值,即聚类中心点个数,T代表循环次数,D代表样本数据的维度。 本算法的改进主要在以下方面: 一, 初始聚类中心点,传统的初始中心点是随机选择,由于K均值算法受初始中心点影响较大,为获得更好的效果,在本方法中,先将数据采用层次聚类的方法预处理,得到的k个中心点作为K均值算法的中心点。 二, 传统的聚类中心点更新是在结束一次循环后,本方法的聚类中心采用实时更新策略,即每次将一个模式归于一个新的聚类中心时,即立刻更新新的所属中心和原属聚类中
  3. 所属分类:C++

    • 发布日期:2012-04-12
    • 文件大小:1048576
    • 提供者:hptoxic
  1. 一种基于自适应最近邻的聚类融合方法

  2. 一种基于自适应最近邻的聚类融合方法,里面有与k-means、k-中心点算法的对比等等
  3. 所属分类:Java

    • 发布日期:2012-06-25
    • 文件大小:11534336
    • 提供者:songxinjing
  1. 基于K-中心点算法实现

  2. 基于K-中心点算法实现 输入:结果簇的个数k和包含n个对象的数据集合 输出:k个簇的集合,使得所有对象与其最近中心点的相异度总和最小
  3. 所属分类:C++

    • 发布日期:2015-12-04
    • 文件大小:206848
    • 提供者:jalinliy
  1. K中心点聚类算法

  2. 最传统的K中心点聚类算法,具有易陷入局部最优和随机选取质心的缺点
  3. 所属分类:其它

    • 发布日期:2017-12-25
    • 文件大小:2048
    • 提供者:feizhou5495
  1. 数据挖掘软件(关联规则、聚类算法)

  2. 个人开发的一个数据挖掘的软件,集成了关联规则、k-均值聚类、模糊聚类、k-中心点聚类四种算法; 数据源存储在Microsoft Access 数据库中,将相应表中的数据换成你的数据,就可以直接进行挖掘。 DataMining软件(集成了关联规则、k-均值聚类、模糊聚类、k-中心点聚类四种算法)
  3. 所属分类:其它

    • 发布日期:2009-03-08
    • 文件大小:138240
    • 提供者:i91yangyang
  1. k-中心点算法Matlab代码实现

  2. 之前总结了一篇k-中心点算法的文章后,现给出Matlab代码实现,代码含有详细的注释便于读者理解。
  3. 所属分类:算法与数据结构

    • 发布日期:2018-06-19
    • 文件大小:4096
    • 提供者:qiu1440528444
  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. c#k中心点算法

  2. c#实现k-means聚类算法 源码,K-means聚类高级算法,用不上的朋友就不要下载了,分较高
  3. 所属分类:C#

  1. 基于划分的聚类分析算法的改进

  2. 对传统的K-平均算法作了简单的介绍和讨论,提出了一种具有单纯型法思想的K-中心点轮换法。分别对比了K-均值算法与K-中心点轮换算法的时间复杂度,针对K-中心点轮换算法的时间复杂度提出了一种基于抽样原理的改进算法,并对K-中心点轮换算法聚类数目的选择进行了各种改进方法的探索。同时,基于主流的weka开源数据挖掘工具实现了改进算法。实验结果表明了算法的有效性。
  3. 所属分类:其它

    • 发布日期:2020-10-18
    • 文件大小:283648
    • 提供者:weixin_38684743
  1. 【Bisecting K-means算法】{1} —— 使用Python实现Bisecting K-means算法并处理Iris数据集

  2. 此处基于Bisecting K-means算法处理Iris数据集 bisecting_kmeans.py模块: import numpy as np class KMeansClassifier(): """初始化KMeansClassifier类""" def __init__(self, k=3, initCent='random', max_iter=500): # 类的成员数据(变量前用下划线) self._k = k # 中心点
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:99328
    • 提供者:weixin_38589774
  1. Python从零实现 K-mean 和K-中心点聚类算法的样本数据

  2. Python从零实现 K-mean 和K-中心点聚类算法的样本数据
  3. 所属分类:机器学习

    • 发布日期:2020-12-26
    • 文件大小:4096
    • 提供者:rizero
  1. Spark环境下K-means初始中心点优化研究综述

  2. 为了能够及时了解 Spark 环境下经典聚类算法 K-means 的最新研究进展,把握 K-means 算法当前的研究热 点和方向,针对 K-means 算法的初始中心点优化研究进行综述。首先介绍了内存计算框架 Spark 和 K-means 算法, 并分析了 K-means 算法聚类不稳定性的成因和影响,其目的在于指出优化 K-means 算法的重要性。详细介绍了目前 在 Spark 环境下优化 K-means 初始中心点的主要方法和最新研究现状,并展望了 K-means 初始中心点优化问题的
  3. 所属分类:其它

    • 发布日期:2021-03-14
    • 文件大小:1048576
    • 提供者:weixin_38649091
  1. 基于改进K中心点的语音分组识别算法

  2. 针对语音分组识别中,分组数量多时,识别率下降,分组数量少时,识别时间增加这一问题,提出一种改进K中心点的语音分组识别算法。该算法先将同一语音进行分段均值降维,然后将不同语音经过K中心点聚类分组。识别时先判断所在语音组,再进行模式匹配。实验结果表明,相比于传统K均值聚类和传统K中心点算法,该算法能减少识别时间,提高识别率。
  3. 所属分类:其它

    • 发布日期:2021-01-12
    • 文件大小:1048576
    • 提供者:weixin_38695471
« 12 3 4 5 6 7 8 »