搜索资源列表
K-average(N-dimension)
- K均值聚类算法实现有二维的聚类扩展到任意维样本点的聚类，代码中附加了详细的原理性说明，还有相关例子提示，效果不错-K-means clustering algorithm to achieve a two-dimensional clustering extends to any dimension of the cluster sample points, the code attached to the principle of detailed instructions, and tips
Kmean2
- 随机产生的点进行K-means方法聚类，给大家做一个参考，随机数据的分类-Randomly generated points in K-means clustering method, to give you a reference, the classification of random data
K-MEANS-N
- K均值聚类算法实现有二维的聚类扩展到任意维样本点的聚类.-K-means clustering algorithm to achieve a two-dimensional clustering extends to any dimension of the cluster sample points.
KM
- K均值算法的C++实现，能够将2维的样本点进行2类或者多类的聚类-K means
FCM-clustering
- 模糊C均值聚类算法,模糊C-均值算法(FCM)是一种能自动对数据样本进行分类的模糊聚类方法,通过优化目标函数得到每个样本点对类中心的隶属度来决定各样本点的归属.-FCM clustering
kmeans
- 数据挖掘Kmeans算法C/C++语言实现。 提供接口让使用者可以指定输入输出文件、聚类结果中类别个数、中心点计算方式、初始化方法。-Kmeans,data mining algorithms,C/C++language. Provides the interface so that users can specify the input and output file, type in the number of clustering results, the center of ca
Constellation-clustering-analysis
- 在四点星座图中，通过运用聚类的方式，实现对由于信道、噪声或其他原因出现随机偏移星座点的识别与归类。main.m为入口程序-The four-point constellation, the constellation points of the random offset due to channel noise or other reasons, through the use of clustering Identification and classification.
Corner-Detection-Harris-Algorithm
- 摘要提出了一种改进的Har“s角点检测方法。该方法在Harris角点检测求得角点响应函数后，利用双掩膜来定 义进行非极大值抑制的局部范围，结合K均值聚类方法进行非极大值抑制，若像素点的角点响应函数值满足预设角点判定 条件，则将该像素点定义为角点。实验结果表明，该方法无需进行阈值选择，提高了角点检测精度。-Abst旧ct An improved harris_based comer detection methOd is presented in the paper． Firstly，th
DBSCAN
- DBSCAN算法的Java实现 DBSCAN是一种基于密度的聚类算法，它的根基事理就是给定两个参数，ξ和minp，其中 ξ可以理解为半径，算法将在这个半径内查找样本，minp是一个以ξ为半径查找到的样本个数n的限制前提，只要n>=minp，查找到的样本点就是焦灯揭捉
fencengchongjian
- 基于鲁棒估计灭点分层重建的研究 提出了一种基于Hough算法的直线聚类检测方法求取图像中的直线信息以及基于RANSAC的由直线信息估计灭点信息的改进算法，以提高估计灭点的鲁棒性。-Research of hierarchical reconstruction based on robust vanishing point
PAM
- PAM（Partitioning Around Medoid,围绕中心点的划分）算法是是划分算法中一种很重要的算法，有时也称为k-中心点算法，是指用中心点来代表一个簇。PAM算法最早由Kaufman和Rousseevw提出，Medoid的意思就是位于中心位置的对象。PAM算法的目的是对n个数据对象给出k个划分。PAM算法的基本思想：PAM算法的目的是对成员集合D中的N个数据对象给出k个划分，形成k个簇，在每个簇中随机选取1个成员设置为中心点，然后在每一步中，对输入数据集中目前还不是中心点的成员根
Sequential-clustering-method
- 水文，变异点的检验，有序聚类法，运行环境：excel中vba。按照文件的样式输入数据，ctrl+F11打开vba环境，点击模块1，再点运行就可以了！-Hydrology, the change point test, sequential clustering method, the runtime environment: excel in the Visual Basic. Input data in accordance with the style of the file, ctrl+
k-means
- c++实现k均值源码，实现了k-means的算法，并给出界面显示。实例中通过二维空间中的点进行聚类-c++ k-means algorithm, display the cluster result on the two demension
SC_demo
- 整理图像特征点提取和分类的程序（可以作为场景分类的前期工作），自己调试过能运行，特征点提取用的SIFT算法，使用K-means聚类算法，将得到的20个聚类中心写入txt文本中-Finishing the image feature point extraction and classification procedures (which can be as the preparatory work of the scene classification), their own debugging
DBSCAN
- dbscan 处理GPS二维空间点,进行基于密度的聚类-dbscan for 2-dimension processed
DataMining
- 用VC或Java实现K-means聚类算法，分别以迭代次数及分配不再发生变化为算法终止条件，用图片（自己选择）作为数据集，比较运行时间（画出时间与像素点的关系曲线图，因此须用多幅像素个数不同的图片进行实验），提交实验报告与源代码。-With the picture (choose your own) as data sets, more running time (draw time and pixels relations diagram, so must use many different
No-Blurring
- 利用均值漂移进行聚类分析。属于非模糊均值漂移聚类，就是所有数据都固定不动，从某个点进行搜索。-mean shif based clustering .
kjunzhi
- k均值聚类，聚为2类，结果显示散点图，红色十字表示聚类中心-K-means clustering, the class number is 2, and the results showed that the clustering center
kjunzhiduolei
- k均值聚类，类数可以自行指定，输出散点图，红色十字为聚类中心-K-means clustering, the class number can be specified on its own, the output scatterplot chart, and the Red Cross for clustering center
RandotCls
- 程序按照随即生成若干个点作为点坐标 ，根据欧式距离 进行聚类分析 ，图像处理对象是灰度值，这里是用随即生成的点做例子 展示，这个程序有界面！-Procedures in accordance with the randomly generated a number of points as the point coordinates, cluster analysis based on Euclidean distance, the image processing is the gray va