搜索资源列表
texture
- 为进一步进行纹理特征分析，从纹理的方向性人手，给出了纹理方向的数学定义式，合理选择差异函数， 构造了具有物理意义的纹理方向描述特征向量．数据处理方面，运用模糊贴近度的概念，结合改进后的属性均值聚 类算法，对一类具有方向性的纹理图象进行分类与分割实验，取得了较好的结果．试验表明，该方法对纹理的方向 性有很好的描述能力． 关键词 图象分割 纹理方向 纹理分割 神经网络 模糊聚类 -Texture features for
juleifenxijishujiqiyunyongyanjiu
- 聚类分析是数据挖掘的重要概念,它广泛应用于模式识别!图像处理!数据分析和市场研究等领域,但在评 价中的应用研究却很少,针对这些问题,把聚类分析技术的基本概念和方法运用于评价,并通过实例阐述其在评价 中应用的重要性。-Cluster analysis is an important concept of data mining, it is widely used in pattern recognition! Image pro
cure(Clustering)
- CURE（Clustering Using Representatives）是一种针对大型数据库的高效的聚类算法。基于划分的传统的聚类算法得到的是球状的，相等大小的聚类，对异常数据比较脆弱。CURE采用了用多个点代表一个簇的方法，可以较好的处理以上问题。并且在处理大数据量的时候采用了随机取样，分区的方法，来提高其效率，使得其可以高效的处理大量数据。-CURE (Clustering Using Representatives) is a
200707171151133491
- 一种基于模糊c均值聚类的彩色图像区域分割方法，该方法首先选用适合的彩色空间，然后利用c均值聚类的方法，最终实现图像分割-Based on fuzzy c-means clustering for color image region segmentation method that first of all choose a suitable color space, and then use c-means clustering ap
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
testMeanShift
- meanshift核方法用于聚类，方法获得了较好的效果，对于初学者有一定的帮助-meanshift methods for clustering, methods to obtain good results, for beginners and has some help
Cluster-Analysis
- 在模式识别中，尤其需要对一些样本进行分类，聚类分析是常用的方法，本程序基于最小最大距离的聚类原则实现对样本的聚类-At pattern recognition, in particular a number of samples required for classification, clustering analysis is a commonly used method, the procedure based on the sm
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
mohujulei1
- 包括模糊聚类分析数据各种标准化变换、模糊聚类分析建立模糊相似矩阵的各种方法-Fuzzy Cluster Analysis, including a variety of standardized data transformation, fuzzy cluster analysis to establish fuzzy similar matrix of the various methods
Workpiecefeatureextraction
- 1、有9个工件图像，要求从本章讲授的特征提取方法中，选择3~5种提取工件特征并给出数字结果；链码为必选方法，给出数字结果和图形显示，做到链码和原图像的双向变换显示。（实验报告中应描述相应的特征提取方法并略述实现过程） 2、设计的界面中要具备功能：任选1个工件作为目标，以上述实现的特征提取方法识别该目标的工件类型（即序号），并显示该判别基准特征的数据。 3、有可能的话试用聚类、
classanalysis
- 1)解压缩 2)打开“聚类分析软件”文件夹，点击“聚类分析.msi”安装程序，在安装向导中选择安装目录，安装完成。 3)打开Matlab软件程序，将当前工作目录设为“聚类分析”的安装目录，在命令行中输入“Cluster”命令，即可打开聚类分析软件。 4)内有多种模式识别方法可以使用 -1) Extract 2) Open the
k-means_cluster
- 通过将一幅图像的sift特征提取出来，然后对他们采用k均值方法进行聚类-By an image feature extraction sift out, and then on their way to the use of k-means clustering
program
- 其中有五个程序，详细地说明了五种基于模糊数据的模糊聚类的方法与实现步骤。其中五种程序分别来自五个权威外文论文-Among them, five procedures, detailed descr iption of five based on fuzzy data fuzzy clustering methods and implementation steps. Five procedures in which the author
methods_of_classification
- 这里和大家分享的几种基础的分类方法，其中包括判别聚类分析、人工神经网络、主成分分析等-Here and to share the basis of several classification methods, including discriminant cluster analysis, artificial neural networks, principal component analysis
Collaborativefuzzyclusteringmodel
- 协同模糊聚类建模通过特征选择和协同模糊聚类的模糊建模方法构建T-S模型，并用此模型对数据进行测试。-Collaborative fuzzy clustering modeling and collaboration through the feature selection fuzzy clustering TS fuzzy modeling method to build models and use this model of da
BruteSearch
- K-nearest neighbors 搜索 聚类时经常使用的一种方法 国外网站转载- The following utilities are provided: - Nearest neighbor - K-Nearest neighbors - Radius Search They al
NcutClustering
- 这是用matlab编的谱聚类程序，该方法能有效的用于数据分类。-This is a matlab procedures for the spectral clustering.The method is effective for data classification.
k-centers
- 不同于k均值聚类的k中心聚类，2007年SCIENCE文章Clustering by Passing Messages Between Data Points 中的方法-Unlike k-means clustering of the k cluster centers, in 2007 SCIENCE article, Clustering by Passing Messages Between Data Points of the
lltsa
- 流形学习算法LTSA的线性化方法，在基因分类聚类中得到了应用，可以将新样本线性地投射到低维空间。-LTSA manifold learning algorithm of the linearization method, clustering in gene classification has been applied to new samples can be projected onto the linear and low-di
loc_im_MSfilter
- 基于Mean Shift的图像分割过程就是首先利用Mean Shift算法对图像中的像素进行聚类，即把收敛到同一点的起始点归为一类，然后把这一类的标号赋给这些起始点，同时把包含像素点太少的类去掉。然后，采用阈值化分割的方法对图像进行二值化处理。-Mean Shift Based on the process of image segmentation is the first to use the image Mean Shift al