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
K－均值聚类算法C++编程
- K-均值聚类算法的编程实现。包括逐点聚类和批处理聚类。K－均值聚类的的时间复杂度是n*k*m，其中n为样本数，k为类别数，m为样本维数。这个时间复杂度是相当客观的。因为如果用每秒10亿次的计算机对50个样本采用穷举法分两类，寻找最优，列举一遍约66.7天，分成3类，则要约3500万年。针对算法局部最优的缺点，本人正在编制模拟退火程序进行改进。希望及早奉给大家，倾听高手教诲。-K-means clustering algorithm pr
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
K均值聚类
- 非监督分类,主要在遥感图象分类处理中有应用-unsupervised classification, mainly in remote sensing image classification application is processed
textureA2
- 本程序在对图像进行纹理分析（由于共发矩阵的方法效果很不好，本程序采用基于频率域的纹理分析算法）的基础上，获取图像不同区域的纹理特征，针对这些纹理特征，采用聚类（K-mean)的分类算法对图像进行区域划分！-procedures in the right image texture analysis (due to a total of hair matrix, the effect is very bad, the program us
KMeansCSharp
- k均值聚类的c#版本，我从网上找到的c版本经改造而成-k-means clustering of the c# version, I found from the Internet version of the modified form c
k-means
- 本代码主要对 K_means 算法用java语言实现 .对需要java kmeans同志很帮助! 并附有测试文件!-This code mainly K_means algorithm using java language. Java kmeans need is to help comrades! With a test file!
k-means
- 这是K均值算法,采用c语言编写,K的取值为2,大家可以改变K的值来进行测试-This is the K-means algorithm, using c language, K value of 2, we can change the value of K for testing
k-median
- 这是一个关于k中心聚类的算法，希望大家指点。-It is a clustering algorithm k centers, I hope everyone pointing.
Knn
- K最近邻分类的代码，附有输入输出和程序使用说明。-K nearest neighbor classification code, with input and output and procedures for use.
k_means
- 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。 Matlab 源代码，以兰花数据集作为测试对象。-k-means algorithm to accept input k then n data object is divided into k
K-Means
- K均值聚类算法 C++实现的K均值聚类算法。-K means clustering algorithm C++ Achieved K-means clustering algorithm.
kMedoids
- k-中心聚类算法的matlab实现。直接读取文档数据，没有维限制。-k-Medoids clustering algorithm matlab implementation. Document data read directly, there is no dimension restrictions.
k-means_Program
- 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 algorithm to accept input k then n-k of data objects into a cluster in order to make th
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
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
k-mean+k-medoids
- 机器学习中的两个基本算法，k-means 和k-medoids 通过学习英文课件，更好的理解算法内涵(Machine learning in the two basic algorithms, K-means and k-medoids through learning English courseware, better understanding of the algorithm connotation)