搜索资源列表
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.
DBSCAN C#实现
- 使用c#实现了 基于密度的聚类 DBSCAN算法，附带坐标系，可以直观显示出聚类前和聚类后的点集，完整无错，可运行，完全原创！
模糊C-均值（FCM）聚类算法Matlab实现
- 模糊聚类是一种重要数据分析和建模的无监督方法。简单概述模糊聚类的概念，介绍模糊C-均值（FCM）算法，并在matlab软件上对该算法进行仿真，结果表明，该算法设计简单，应用范围广，但改算法仍存在容易陷入局部极值点等问题，还需进一步研究
GAFCM
- 遗传算法改进的模糊C-均值聚类MATLAB源码 模糊C-均值算法容易收敛于局部极小点，为了克服该缺点，将遗传算法应用于模糊C-均值算法(FCM)的优化计算中，由遗传算法得到初始聚类中心，再使用标准的模糊C-均值聚类算法得到最优分类结果。 -Value algorithm (FCM) of the optimization calculations, by the genetic algorithm is the initial cluster centers, and the
KMeansClusterConsole
- K均值聚类算法，取前k个点为初始聚类中心，然后进行迭代聚类-K means clustering algorithm, fetch the first k points as initial cluster centers, then the iterative clustering
ClusterAnalysis
- 现在我们给定两幅ALV路标的捕捉图像，我们实际工作中首先要捕获路标（这里我们假定环境中已经有路标），而此时的景象是难以预知的：我们不知道路标在什么位置、是什么路标、除了路标还有那些图像模式？ 基本要求：使用本章学习的K－平均算法，以颜色分量（或几何性状）作为坐标参数，对景象图进行聚类分析，要求最后的分类结果将路标（可能包括少量相似区域）聚类为一个模式类别。试验报告同前面一样，要求给出样本模式点，绘制坐标图（标出各个聚类中心的迭代移动轨迹） ，绘制算法框图，给出结论。并检查上机结果。 -e
Classification
- 1)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。 2)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。 -1) Open a
kmeans
- 聚类算法kmeans，比较简单的聚类算法，通过欧几里德距离确定聚类的标准，对二维的点进行聚类-Clustering algorithm kmeans, relatively simple clustering algorithm, through the Euclidean distance to determine the standard clustering of the points of two-dimensional clustering
Kmeans
- 基于Kmeans算法的图像分割，一般Kmeans是数据挖掘中用来聚类的，本试验利用图像中的灰度值作为Kmeans算法的原始点，进行图像分割-Kmeans algorithm based on image segmentation, data mining in general Kmeans is used to clustering, the trial use of the image gray value as the original algorithm Kmeans spots for
colorSignature
- 用openCV提取图片的象素值，用聚类进行分割，找出各个聚类的中心点，聚类个数是动态决定的，可重新设置个数最大上限。-OpenCV extract images using pixel value segmentation by clustering to identify the center of each cluster, clustering is a dynamic number of decisions can be re-set the upper limit of the num
my-keans
- 实现聚类算法中的K-MEANS算法，对随机生成的点进行了聚类。-Clustering algorithm to achieve the K-MEANS algorithm, on randomly generated points in the cluster.
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 algorithm for clustering of pixe
Cluster_Analysis
- 用Java语言实现的空间聚类分析程序，对离散点按照距离标准进行分类。-Java language with the spatial clustering analysis procedures, in accordance with the distance between discrete points of criteria.
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 algorithm for clustering of pixe
DBSCAN
- 这是一种基于密度的聚类分析算法，可以发现任意形状的簇，可以发现噪声点。-This is a density-based clustering analysis algorithm can find clusters of arbitrary shape can be found noise points.
imgkmeans
- 将K均值算法用于图像分割,输入的是彩色图像,转换为灰度图像进行分割,输出结果为灰度图像.利用灰度做为特征对每个像素进行聚类,由于光照等原因,有时应该属于一个物体的像素,其灰度值也会有很大的差别,可能导致对该像素的聚类发生错误.在分割结果中,该物体表面会出现一些不同于其它像素的噪声点,因此,算法的最后,对结果进行一次中值滤波,以消除噪声,达到平滑图像的作用-The K means algorithm for image segmentation, the input is a color imag
gaMatlab
- 模糊C-均值算法容易收敛于局部极小点，为了克服该缺点，将遗传算法应用于模糊C-均值算法(FCM)的优化计算中，由遗传算法得到初始聚类中心，再使用标准的模糊C-均值聚类算法得到最优分类结果。-Fuzzy C-means algorithm converges to local minimum points easily, in order to overcome the shortcomings of genetic algorithm is applied to fuzzy C-means al
duojulei
- 各种聚类方法的比较，突出每一种聚类方法的优点，有助于不同目的者使用-Comparison of various clustering methods, highlighting the advantages of each clustering method can help to use a variety of purposes
ZPclustering
- 实现点的聚类，并用做图像分割，来源是文章：Self-Tuning Spectral Clustering (作者: Lihi Zelnik-Manor, Pietro Perona )(point clustering and image segmentation, algorithm is from paper:Self-Tuning Spectral Clustering(author: Lihi Zelnik-Manor, Pietro Perona ))
DENCLUE2.0 algorithm for python
- DASCAN 聚类算法例程，实现平面内点的分类(Clustering algorithm routines)