搜索资源列表
k均值聚类算法分析
- k均值聚类算法分析，采用C++编程技术，提供代码可重用机制 -k-means clustering algorithm analysis, the use of C programming, code reuse mechanism
k均值聚类算法源代码
- K均值聚类算法源代码-K-means clustering algorithm source code
使用减法聚类初始化fcm算法的聚类中心
- subclutering initializing fcm: 开发语言：matlab 功能：使用减法聚类初始化fcm算法的聚类中心，可以快速找到合适的初始聚类中心
层次聚类算法
- 变色龙一个利用动态模型的层次聚类算法-Chameleon:A Hierarchical Clustering Algorithm Using Dynamic Modeling
聚类CLIQUE算法 的基本思路
- 聚类CLIQUE算法 的基本思路.zip-clustering algorithm basic ideas. Zip
DNA聚类软件
- DNa聚类分析软件-ds Cluster Analysis Software
基于相似度聚类分析方法的异常ids的模型及实现
- 基于相似度聚类分析方法的异常入侵检测系统的模型及实现-Similarity-based clustering analysis of abnormal Intrusion Detection System Model and Implementation
聚类算法在网络入侵检测中的应用
- 聚类算法在网络入侵检测中的应用-clustering algorithm in Network Intrusion Detection Application
利用聚类算法找出新的攻击
- 利用聚类算法找出新的攻击,属网络安全领域-use clustering algorithm to find new attacks, is a network security
聚类算法
- 关于图像聚类分析的程序。-images on cluster analysis procedures.
竞争网络聚类
- 神经网络中的竞争网络聚类-neural network competition in the network clustering
kmeans_cluster聚类算法的实现
- 数据挖掘中k-means聚类算法的实现源代码-clustering algorithm source code in data mining
一种基于蚁群算法的聚类组合方法
- 一种基于蚁群算法的聚类组合方法，具体可以查看里面书的内容。-ant colony algorithm based on the combination of clustering methods, the specific can view the contents inside.
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
以K－均值聚类结果为初始解的模拟退火聚类
- 由于K－均值聚类算法局部最优的特点，而模拟退火算法理论上具有全局最优的特点。因此，用模拟退火算法对聚类进行了改进。20组聚类仿真表明，平均每次对K结果值改进8次左右，效果显著。下一步工作：实际上在高温区随机生成邻域是个组合爆炸问题（见本人上载软件‘k－均值聚类算法’所述），高温跳出局部解的概率几乎为0，因此正考虑采用凸包约束进行模拟聚类，相关工作正在进行。很快将奉献给各位朋友。-as K-means clustering algorit
kmeans聚类算法源码
- k均值聚类算法源码，比较经典，无解压密码-kmeans clustering algorithm source code,comparatively classical,no password for unzip
聚类分析程序
- 该文件是一组数据挖掘领域中，聚类分析的有关算法。-the document is a group of data mining areas, cluster analysis of the algorithm.
一种实用高效的聚类算法
- 这是一个新的聚类算法设计，是由复旦大学的教授们设计的，值得一读。-This is a new clustering algorithm is designed by professors from Fudan University, the design, it is worth a read.
考虑对象方向关系的密度聚类算法
- 当前的聚类算法很多，但是都没有解决关于边界点的问题，这个算法提出一种新的观点。-current clustering algorithm, and still has no points on the border issue and the algorithm, a new perspective.
基于核密度估计的层次聚类算法
- 本文基于层次聚类的局限性，展开了描述，然后提出了解决办法。-Based on the hierarchical clustering limitations, launched a descr iption, and then the solutions.