搜索资源列表
clusterds
- 用VC++语言实现了基于距离，基于密度和改进的数据聚类算法。-VC language based on the distance, based on the density and improved data clustering algorithm.
dbscan
- 该源码是基于密度聚类分析的最经典的DBSCAN算法的原始结构框架
基于密度聚类的神经模糊系统建模算法
- 基于密度聚类的神经模糊系统建模算法
dbscan
- 该源码是基于密度聚类分析的最经典的DBSCAN算法的原始结构框架-The source is based on the density of cluster analysis of the most classic of the original structure DBSCAN algorithm fr a mework
KMEANS
- 聚类分析是数据挖掘中的一个重要研究领域，是一种数据划分或分组处理的 重要手段和方法。聚类无论在商务领域，还是在生物学、W七b文档分类、图像 处理等其他领域都得到了有效的应用。目前聚类算法大体上分为基于划分的方 法、基于层次的方法、基于密度的方法、基于网格的方法、基于模型的方法以及 模糊聚类。 -erer
dbscan
- 基于密度聚类算法的实现，用c#语言实现功能比较全面。-Density-based clustering algorithm, with c# language features more comprehensive.
DBSCAN
- dbscan 基于密度聚类算法的C# 版本-dbscan C#
Dbscan
- DBSCAN算法是一种基于密度的算法，进行DBSCAN聚类-simple DBSCAN clustering algorithm，which is based on density.
k_clique
- CLIQUE聚类算法 CLIQUE是高维数据空间中基于网格和密度的聚类方法。-k-clique algorithm as defined in the paper "Uncovering the overlapping community structure of complex networks in nature and society"- G. Palla, I. Derényi, I. Farkas, and T. Vics
DBSCAN
- 基于密度的密度聚类算法，该算法的结果可以聚成任意的形状。-Density clustering algorithm based on density, the result of the algorithm can be clustered into arbitrary shape.
clustering
- 基于快速搜索数据密度峰值的聚类算法是一种基于聚类中心具有较近邻点有更高密度且其与更高密度点间有着较大的相对距离的一类算法。-Clustering by fast search and find of density peaks is based on the idea that cluster centers are characterized by a higher density than their neighbors and b
hieararchical-clustering
- 基于核密度估计的层次聚类算法 -hierarchcial clustering with kernel density estimation
Cluster
- 聚类算法的java实现，包括K-means（基于划分聚类），DBSCAN(基于密度聚类）-Clustering algorithm ， achieved by java, including K-means (based on the division clustering), DBSCAN (density-based clustering)
hhh
- 基于密度的的聚类算法DBSCAN算法-K-means clustering algorithm based on the
fqzdddxx
- 采用偏最小二乘法，分析了该信号的时域、频域、倒谱，循环谱等,已调制信号计算其普相关密度，利用自然梯度算法，基于欧几里得距离的聚类分析，匹配追踪和正交匹配追踪，仿真图是速度、距离、幅度三维图像。 -Partial least squares method, Analysis of the signal time domain, frequency domain, cepstrum, cyclic spectrum, etc. Modu
kde
- 核密度估计,matlabkernel density estimation是在概率论中用来估计未知的密度函数，属于非参数检验方法之一，由Rosenblatt (1955)和Emanuel Parzen(1962)提出，又名Parzen窗（Parzen window）。Ruppert和Cline基于数据集密度函数聚类算法提出修订的核密度估计方法。-kernel density estimation
nanbao_v16
- 计算目标和海洋回波的功率谱密度,BP神经网络的整个训练过程,基于K均值的PSO聚类算法。- Calculating a target and ocean echo power spectral density, The entire training process BP neural network, K-means clustering algorithm based on the PSO.
ken
- 基于K均值的PSO聚类算法,计算目标和海洋回波的功率谱密度,实现了对10个数字音的识别程。- K-means clustering algorithm based on the PSO, Calculating a target and ocean echo power spectral density, Realization of 10 digital audio recognition progra.
databricks-spark-reference-applications.pdf.tar
- 摘要: 现有的聚类算法比如 CluStream 是基于 k-means 算法的。这些算法不能够发现任 意形状的簇以及不能处理离群点。 解决上述问题,本文提出了 而且, 它需要预先知道 k 值和用户指定的时间窗口。 为了 分将数据映射到一个网格, D-Stream 算法,它是基于密度的算法。这个算法用一个在线部 在离线部分计算网格的密度然后基于密度形成簇。 度衰减技术来捕获数据流的动态变化。 为了探索衰减因子、 数据
dbscan
- 聚类分析 DBASCAN算法是基于密度的分类方法(Clustering Analysis The DBASCAN algorithm is a density-based classification method)