搜索资源列表
MyKmeans
- 实现聚类K均值算法： K均值算法：给定类的个数K，将n个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小。 缺点：产生类的大小相差不会很大，对于脏数据很敏感。 改进的算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去
cskmeans
- cskmeans 聚类算法的一种 1. 分裂法(partitioning methods)：给定一个有N个元组或者纪录的数据集，分裂法将构造K个分组，每一个分组就代表一个聚类，K<N。而且这K个分组满足下列条件：（1） 每一个分组至少包含一个数据纪录；（2）每一个数据纪录属于且仅属于一个分组（注意：这个要求在某些模糊聚类算法中可以放宽）；对于给定的K，算法首先给出一个初始的分组方法，以后通过反复迭代的方法改变分组，使得每
k_medoids
- 聚类算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了
072282
- 提出了一种自动构造特定领域本体的方法，该方法应用术语抽取和多重聚类技术。在术语抽取阶段，通过术语在专业语料与背景语料中出现概率的对比，采用LLR公式对术语进行评分，取得了更好的抽取效果。在层级关系发现过程中，采用上下文共现信息结合HowNet中词语的语义相似度，进行术语间相似度度量，力求获得术语间最合理的相关状况。同时改进了k-medoids聚类算法，更准确地发现术语的层级关系，进而构造出特定领域的本体。-This paper pres
BAMIC
- 该代码使用BAMIC方法实现数据挖掘中多示例聚类方法来解决分类问题。-BAMIC performs multi-instance clustering by adapting k-medoids algorithm to deal with objects described using bags of instances
Cpp1
- 距离与相异度，然后介绍一种常见的聚类算法——k均值和k中心点聚类-Distance and dissimilarity, and then introduce a clustering algorithm- k mean and k-medoids clustering
3Vol27No1
- A COMPARATIVE ANALYSIS BETWEEN K-MEDOIDS AND FUZZY C-MEANS CLUSTERING ALGORITHMS FOR STATISTICALLY DISTRIBUTED DATA POINTS
kMedoids
- K-Medoids算法是在K均值算法的基础上优化的K中心算法。这个文件解压后，直接运行mykmedoids这个文件就好-K-medoids algorithm is optimized in the K-means algorithm based on K-center algorithm. This file is unpacked, run directly mykmedoids file!
k_medoids
- 数据挖掘 k中心点算法 matlab示例-data mining k-medoids matlab example
kmedoids
- matlab 例程，很简单的且很容易理解的k-medoids聚类算法源代码-matlab routines, very simple and very easy to understand k-medoids clustering algorithm source code
K_medoids
- 聚类算法k-medoids 该代码针对的是图像处理 该算法采用局部航迹与系统航迹进行关联的策略-K-medoids clustering algorithm is the code for the image processing algorithm strategy using a local track trajectories associated with the system
awlz_kmedoids
- K-Medoids in Matlab 20-K-Medoids in Matlab 2011
kmedoids1
- CODIGO ALGORITMO K MEDOIDS
K-Kmedoids
- k -medoids algorithm is a clustering algorithm related to the k -means algorithm and the medoidshift algorithm.
comparative-study
- Comparative Study of K-Means and K-Medoids
K-mean
- 聚类算法中的k-means算法，和k-medoids 肯定是非常相似的。k-medoids 和 k-means 不一样的地方在于中心点的选取，在 k-means 中，我们将中心点取为当前 cluster 中所有数据点的平均值。-Clustering algorithm k-means algorithm, and k-medoids certainly very similar. k-medoids and k-means not th
clustering
- samples about clustering in matlab : K-means algorithm K-medoids algorithm DBSCAN algorithm
Kmedoids
- 实现K-medoids模糊聚类算法，增加聚类有效性-K-medoids fuzzy clustering algorithm to achieve, increase the effectiveness of clustering
KEMDOID
- Source Code of K-Medoids