搜索资源列表
clustering
- 基于快速搜索数据密度峰值的聚类算法是一种基于聚类中心具有较近邻点有更高密度且其与更高密度点间有着较大的相对距离的一类算法。-Clustering by fast search and find of density peaks is based on the idea that cluster centers are characterized by a higher density than their neighbors and by a relatively large distance
CanopyExm
- Canopy聚类算法是一个将对象分组到类的简单、快速、精确地方法。每个对象用多维特征空间里的一个点来表示。这个算法使用一个快速近似距离度量和两个距离阈值 T1>T2来处理。 Canopy聚类算法能快速找出应该选择多少个簇，同时找到簇的中心，这样可以大大优化 K均值聚类算法的效率 。-Canopy is a clustering algorithm to group objects into simple categories, fast, accurate method. Each obj
fcmMATLAB
- 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终的分类结果。-Fuzzy C- means algorithm is easy to converge to a local minimum point, in order to overcome this drawback, the genetic algorithm is applied to fuzzy C- me
K_CenterPoint_PAM
- k中心点算法，也就是PAM算法。是数据挖掘中聚类分析的一种手段，用途广泛。-k center algorithm, i.e. PAM algorithm. Data mining is a means of cluster analysis, and versatile.
kmeans_clustering
- 完成函数function label =kmeans_clustering(data, num)，其中输入变量data为N行m列，每一行为一个数据点，num为聚类数目；输出变量label为N行1列，表示对应的数据点属于哪一类。-Complete function function label = kmeans_clustering (data, num), wherein the input variable data to N rows by m columns, each act a dat
KMeans
- K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。-K-means clustering algorithm is hard, is a typical prototype-based clustering method on behalf of the objective function, it is a method of data points to a certain di
maoci
- 是一款基于r语言编写的，计算电力行业电压功率曲线的毛刺率，即通过聚类，计算绝对差相对差并与阈值相比较的方法得出离群点。-Is a language based on r, calculate the voltage of the power curve of the electric power industry burr rate, through clustering, calculate absolute difference and relative difference compare
KMeans
- vs2013实现的k-means聚类算法，是一个2维点集的聚类演示程序-Vs2013 implementation of the K-means clustering algorithm, is a 2 dimensional point set of the clustering demonstration program
k-medoids
- 聚类算法中的k-medoids算法，和 k-means 肯定是非常相似的。事实也确实如此，k-medoids 可以算是 k-means 的一个变种。k-medoids 和 k-means 不一样的地方在于中心点的选取，在 k-medoids 算法中，我们将从当前 cluster 中选取这样一个点——它到其他所有（当前 cluster 中的）点的距离之和最小——作为中心点。-Clustering algorithm k-medoids algorithm, and k-means is certa
K-mean
- 聚类算法中的k-means算法，和k-medoids 肯定是非常相似的。k-medoids 和 k-means 不一样的地方在于中心点的选取，在 k-means 中，我们将中心点取为当前 cluster 中所有数据点的平均值。-Clustering algorithm k-means algorithm, and k-medoids certainly very similar. k-medoids and k-means not the same place that the center o
Kmeans
- K均值聚类分析的matlab算法程序，用于对一系列的数据点进行聚类分析。-K-means clustering algorithm MATLAB program.
smmc
- 处理多流形聚类问题，从相似性矩阵的角度出发，充分利用流形采样点所内含的自然的局部几何结构信息来辅助构造更合适的相似性矩阵并进而发现正确的流形聚类。-Handle multiple manifolds clustering problem, the perspective of the similarity matrix starting, make full use of local natural manifold geometry information contained samplin
Cluster_K-means
- k中心算法的基本过程是:首先为每个簇随意选择一个代表对象，剩余的对象根据其与每个代表对象的距离（此处距离不一定是欧氏距离，也可能是曼哈顿距离）分配给最近的代表对象所代表的簇；然后反复用非代表对象来代替代表对象，以优化聚类质量。聚类质量用一个代价函数来表示。当一个中心点被某个非中心点替代时，除了未被替换的中心点外，其余各点被重新分配。-The basic process k center algorithm is: First free to choose a delegate object fo
Cluster_DBSCAN
- DBSCAN（Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法）是一种基于密度的空间聚类算法。该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。 该算法利用基于密度的聚类的概念，即要求聚类空间中的一定区域内所包含对象（点或其他空间对象）的数目不小于某一给定阈值。DBSCAN算法的显著优点是聚类速度快且能够有效处理噪声点和发
cPP-isodata
- ISODATA聚类算法，显示聚类中心及每个类别的样本点-ISODATA clustering algorithm, cluster center display sample point and each category
my-k-means
- 这是一个k-means聚类算法，将一个四维量（比如有明确物理意义的花瓣长宽花萼长宽)按照几个中心点分成几类-This is a k-means clustering algorithm, a four-dimensional volume (such as a clear physical meaning petals calyx length and width aspect) is divided into several categories according to several ce
1K_means
- 用K-means算法将点进行聚类，点以结构体的形式表示，opencv+vs2010跑通。-By K-means clustering algorithm point, the point structure in the form of representation, opencv+ vs2010 run through.
1EMalgorithm
- 利用期望最大化聚类算法，从txt文件中读如200+个点的坐标，并将这些点尽心聚类。开发环境为opencv+vs2010-Expectation Maximization clustering algorithm, txt file read coordinates 200+ points, and these points dedicated cluster. opencv+ vs2010
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
two-K-means
- K-means聚类算法，该程序是两个中心点的聚类方法，比较实用-K means clustering algorithm, the program is two center clustering method, practical