搜索资源列表
Ab201702125
- 1.随机的选取K个种子点作为初始聚类中心 2.然后求出所有的点到K个聚类中心的距离，找出离每个点最近的聚类中心作为该点的种群中心。 3.经过前两步就形成了K个点群，然后更新K个点群的中心。 4，重复步骤2和3直到满足一定的阈值。-wo zhidao zenme zuo
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。- 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
kei_fh85
- 包括AHP，因子分析，回归分析，聚类分析，现代信号处理中谱估计在matlab中的使用，复化三点Gauss-lengend公式求pi。- Including AHP, factor analysis, regression analysis, cluster analysis, Modern signal processing used in the spectral estimation in matlab, Complex of three-point Gauss-lengend the Fo
fei_v24
- 表示出两帧图像间各个像素点的相对情况，基于欧几里得距离的聚类分析，DC-DC部分采用定功率单环控制。- Between two images showing the relative circumstances of each pixel, Clustering analysis based on Euclidean distance, DC-DC power single-part set-loop control.
cPP
- C++简单实现K-Means聚类算法 (2,10), (2,5), (8,4), (5,8), (7,5), (6,4), (1,2), (4,9), (7,3), (1,3), (3,9) （红色的表示初始所选的中心点） K-means算法介绍可参考其他资料或书籍。-C++ simple implementation of K-Means clustering algorithm(2, 5), (2, 5), (8,4), (5,8), (7,5), (6,4), (1,2), (
wushn
- 进行逐步线性回归，表示出两帧图像间各个像素点的相对情况，用MATLAB实现动态聚类或迭代自组织数据分析。- Stepwise linear regression, Between two images showing the relative circumstances of each pixel, Using MATLAB dynamic clustering or iterative self-organizing data analysis.
nai_v32
- 表示出两帧图像间各个像素点的相对情况，Matlab实现界面友好，用MATLAB实现动态聚类或迭代自组织数据分析。- Between two images showing the relative circumstances of each pixel, Matlab to achieve user-friendly, Using MATLAB dynamic clustering or iterative self-organizing data analysis.
src
- 实现在Hadoop平台上分布式环境上的K-means聚类，随机选取中心点后进行分类-Implementing K-means clustering on a distributed environment on the Hadoop platform, sorting randomly after selecting the center point
6876
- 小波包分析提取振动信号中的特征频率，表示出两帧图像间各个像素点的相对情况，用MATLAB实现动态聚类或迭代自组织数据分析。- Wavelet packet analysis to extract vibration signal characteristic frequency, Between two images showing the relative circumstances of each pixel, Using MATLAB dynamic clustering or itera
4364
- 复化三点Gauss-lengend公式求pi，实现了图像的加水印，去噪，加噪声等功能，基于K均值的PSO聚类算法。- Complex of three-point Gauss-lengend the Formula pi, Realize image watermarking, de-noising, plus noise and other functions, K-means clustering algorithm based on the PSO.
Slic
- SLIC主要运用K-means聚类算法进行超像素的处理，聚类算法中的距离度量不仅仅包括颜色空间的颜色距离还包括像素坐标的欧氏距离。所以K-means聚类的中心点由五维向量组成。其中包括，记录LAB颜色空间下的像素以及该像素点的XY坐标，由于XY坐标不能和颜色空间直接进行计算，所以添加了一个紧密度的参数。(slic superpixelSLIC mainly uses the K-means clustering algorithm for ultra pixel processing, the
julei
- 多流形聚类代码，用于点云多流形聚类与线性子空间聚类(Manifold clustering code)
databricks-spark-reference-applications.pdf.tar
- 摘要: 现有的聚类算法比如 CluStream 是基于 k-means 算法的。这些算法不能够发现任 意形状的簇以及不能处理离群点。 解决上述问题,本文提出了 而且, 它需要预先知道 k 值和用户指定的时间窗口。 为了 分将数据映射到一个网格, D-Stream 算法,它是基于密度的算法。这个算法用一个在线部 在离线部分计算网格的密度然后基于密度形成簇。 度衰减技术来捕获数据流的动态变化。 为了探索衰减因子、 数据密度以及簇结构之间的关系, 我们的算法能够有效的并且有效率
MeanShift
- meanShift,均值漂移，在聚类、图像平滑、分割、跟踪等方面有着广泛的应用。一般是指一个迭代的步骤，即先算出当前点的偏移均值，然后以此为新的起始点，继续移动，直到满足一定的结束条件。(MeanShift, mean shift is widely used in clustering, image smoothing, segmentation, tracking and so on. Generally refers to an iterative step, that is, first
fuzzy c-means
- 基于fuzzy c-means（FCM）的无监督模糊聚类算法，输出值有：各个样本的类别标签、目标函数在每次迭代后的值、聚类中心以及聚类区间。内有测试数据data.mat，点击 test.m 可以完美运行。(The unsupervised fuzzy clustering algorithm based on fuzzy c-means (FCM) outputs the class labels of each sample, the value of the target function
M8激光雷达动目标跟踪仿真
- 模拟八线激光雷达产生点云数据，实现目标聚类，并对聚类的目标进行跟踪。(Simulated eight line lidar generates point cloud data, achieves target clustering, and tracks the clustering targets.)
k-means
- k-means以空间中k个点为中心进行聚类，对最靠近他们的对象归类 c++实现代码(C++ implementation code of k-means)
uljru5
- 一个CURE聚类算法 应用了K中心点算法 采用空间坐标聚集()
715102
- K-Means是k_中心点法的聚类过程代码,()
kmeans
- 基于windows平台和k-聚类算法，对平面点集进行聚类(Based on the windows platform and the k- clustering algorithm, the plane point set is clustered)