搜索资源列表
DataMining20070102
- DataMining软件(集成了关联规则、k-均值聚类、模糊聚类、k-中心点聚类四种算法)
K-C
- 这是一个K中心点聚类算法C实现的,希望对大家有用
基于Mean Shift的阈值分割
- 阈值分割算法是一种将灰度图像转化为二值图像的简单有效的方法，但是由于需处理图像的复杂性，常常使得阈值分割算法中阈值的选取问题无法很好解决。针对这个问题，在进行阈值化处理之前，我们先借助Mean Shift算法的分割特性将灰度值相近的元素进行聚类，然后，在此基础上应用阈值分割算法，达到将图像与背景分离的目的。 简单来说，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
K
- K均值算法-分类器-有效抑制边缘点影响-简单有效-K-means algorithm- Classifier- effectively inhibiting the impact of edge points- simple and effective
k_mean
- 简单的k均值聚类算法，C++实现，将若干点聚类为两类-A simple k-means clustering algorithm
AP聚类
- AP聚类算法是基于数据点间的"信息传递"的一种聚类算法。与k-均值算法或k中心点算法不同，AP算法不需要在运行算法之前确定聚类的个数。(AP clustering algorithm is a kind of clustering algorithm based on "information transfer" between data points. Unlike the k- mean algorithm or the k center point
plot_classifier_comparison
- 基于Pythoon的数值聚类分类算法，基于Python的三维立体点的空间最近邻分类(This example shows the effect of imposing a connectivity graph to capture local structure in the data. The graph is simply the graph of 20 nearest neighbors. Two consequences of imposing a connectivity can b
K---MEANS
- 随机生成1000个二维坐标点并用K-means算法计算聚类结果(1000 two-dimensional coordinate points are generated randomly and the clustering results are calculated by K-means algorithm)
cluster
- 对一个随机生成100个0到100的点，实现k=2的聚类划分(Clustering and partitioning of k=2)
FCMCluster
- 模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称（ FCM）。在众多模糊聚类算法中，模糊C-均值（ FCM） 算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。(Fuzzy c- means clustering algorithm fuzzy c-means algorithm (FCMA) or FCM. Among the many fuzzy clustering a
AGNES
- 层次聚类，凝聚法指的是初始时将每个样本点当做一个类簇，所以原始类簇的大小等于样本点的个数，然后依据某种准则合并这些初始的类簇，直到达到某种条件或者达到设定的分类数目。(hierarchical clustering)
CureDemo
- 实现的cure聚类的demo。算法在开始时，每个点都是一个簇，然后将距离最近的簇结合，一直到簇的个数为要求的K。它是一种分裂的层次聚类。算法分为以下6步： 1）从源数据对象中抽取一个随机样本S。 2）将样本S分割为一组划分。 3）对划分局部的聚类。 4）通过随机取样提出孤立点。如果一个簇增长得太慢，就去掉它。 5）对局部的簇进行聚类。 6）用相应的簇标签标记数据。(The implementation of the cure clustering of the
FCM,模糊C均值聚类的MATLAB实现[matlab]-FCM
- 模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称（ FCM）。在众多模糊聚类算法中，模糊C-均值（ FCM） 算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。(Fuzzy c-means algorithm (FCMA) or FCM. Among many fuzzy clustering algorithms, the fuzzy C-means (FCM) algor
dbscan
- DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。(Classical clustering algorithm)
04657872GAFCM
- 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。(Improved genetic algorithm and fuzzy C- means clustering MATLAB source. The fuzzy C- means algorithm is easy to converge to local m
dbscan
- 利用该程序可以实现大数据下的三维点云及二维数据的密度聚类，并对聚类后的结果进行准确提取(Using this program, the density clustering of three-dimensional point clouds and two-dimensional data can be realized, and the clustered results can be accurately extracted.)
改进的基于划分算法的三维点云聚类matlab实现
- 根据网上基于划分法k-means的聚类算法，我做了改进。可以预设一个最大的类数和一个半径，自动划分合适的类。最终将随机三维点云聚类完成后显示为不同颜色。(According to the clustering algorithm based on partition K-means on the Internet, I improved it. A maximum number of classes and a radius can be preset to automatically divi
kmeans
- 利用k均值聚类算法对数据进行聚类分析（数据点通过随机生成）(Using k-means clustering algorithm to cluster data (data points are generated randomly))
DBSCAN算法Matlab实现
- 基于密度的聚类算法 它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类(Density based clustering algorithm It defines the cluster as the largest set of density connected points, and can divide the region with enough high density into clusters, and can f
c+=
- k-means c++, 聚类算法-含代码说明。聚类（Cluster）分析是由若干模式（Pattern）组成的，通常，模式是一个度量（Measurement）的向量，或者是多维空间中的一个点。(k-means c++,Partitioning Methods,Hierarchical Methods,density-based methods,grid-based methods,Model-Based Methods)