搜索资源列表
kmeans
- java 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。-java k-means algorithm, display the cluster result on the two demension.
Kmeans
- 对已存入txt文件中的样本点就行K均值聚类，可输出质心和各个类包含的样本点-Txt files that have been deposited in the sample points on the line K means clustering, centroid, and each output class contains the sample points
Cluster
- 此程序的功能是实现对图像的聚类分析，通过提取图像中不同的特征，实现聚类，将图像中的各像素点划分到不同的类中。-This program' s function is to achieve the image of the cluster analysis, different by extracting image features, to implement clustering, the image of the pixels assigned to different classes
k_means
- k均值聚类算法，可以完成k均值聚类运算。实现几个点的聚类-k means clustering algorithm, k means clustering operation can be completed. Clustering to achieve several points
b
- ：DBSCAN是一个基于密度的聚类算法。该算法将具有足够高密度的区域划分为簇，并可以在带有“噪声”的空间数 据库中发现任意形状的聚类。但DtLqCAN算法没有考虑非空间属性，且DBSCAN算法需扫描空间数据库中每个点的e一 邻域来寻找聚类，这使得DBSCAN算法的应用受到了一定的局限。文中提出了一种基于DBSCAN的算法，可以处理非空 间属性，同时又可以加快聚类的速度。-: DBSCAN is a density-based clustering algorithm. The alg
k_means
- K均值聚类，输入聚类前的点集以及阈值，输出最后各个分类的中心点-K-means clustering, the input point set before clustering and threshold, output the final classification of the center of each
matlab-julei
- 聚类分析,亦称群分析或点群分析,是研究多要素事物分类问题的数量方法。基本原理是根据样本自身的属性，用数学方法按照某种相似性或差异性指标，定量地确定样本之间的亲疏关系，并按这种亲疏关系程度对样本进行聚类(Cluster analysis, also called group analysis or point group analysis, is a quantitative method for studying the classification of multi factor things
cluster_extraction
- 利用pcl对点云数据进行聚类分割，建立索引得到分割后的各个物体构建(Clustering and segmentation of point cloud data using PCL)
kmeans
- 基于k均值的无监督聚类算法，输出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，点击 test.m 可以完美运行。(The unsupervised clustering algorithm based on K means outputs the class labels of each sample, the value of the target function after each iteration, the clustering center a
warp-kmeans
- 传统的kmeans聚类算法不能保证时间序列聚类结果的时序性；基于warp-kmeans聚类算法可以有效处理时间序列的聚类问题，而且复杂度低，迭代次数少。 ，输出有目标函数在每次迭代后的值，聚类中心以及聚类区间。内有测试数据和相关文献，点击 test.m 可以完美运行(The traditional kmeans clustering algorithm can not guarantee the time series of the time series clustering results
101259363Desktop
- 传统的K-medoids聚类算法的聚类结果随初始中心点的 不同而波动，且计算复杂度较高不适宜处理大规模数据集； 快速K-medoids聚类算法通过选择合适的初始聚类中心改进 了传统K-medoids聚类算法，但是快速K-medoids聚类算法 的初始聚类中心有可能位于同一类簇。为了克服传统的K- medoids聚类算法和快速K-medoids聚类算法的缺陷，提出 一种基于粒计算的K-medoids聚类算法。(The traditional K-medoids clustering algorit
K-Means
- 对500个随机二维坐标点进行聚类，然后通过C++程序输出窗口输出。(Cluster Algorithm.Put the 500 2d points into 20 clusters.)
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。(DBSCAN is a representative density based clustering algorithm. Unlike the partition and hie
spectalCluster
- 谱聚类是从图论中演化出来的算法，后来在聚类中得到了广泛的应用。它的主要思想是把所有的数据看做空间中的点，这些点之间可以用边连接起来。距离较远的两个点之间的边权重值较低，而距离较近的两个点之间的边权重值较高，通过对所有数据点组成的图进行切图，让切图后不同的子图间边权重和尽可能的低，而子图内的边权重和尽可能的高，从而达到聚类的目的。(Spectral clustering is an algorithm evolved from graph theory, and has been widely u
激光雷达
- 在Linux平台下，使用QT5.7.0.实现八线激光雷达点云数据的聚类。数据采集于真实的场景。采用蒙特卡洛和ABD聚类算法实现聚类。(In Linux platform, we use QT5.7.0. to realize the clustering of point cloud data of eight line lidar. Data is collected in real scenes. Monte Carlo and ABD clustering algorithms are u
关于回归神经网络的交通状态判别
- 聚类分析又称群分析，它是研究(样品或指标)分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。 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。 聚类分析以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。(Clustering algorithm)
K_Means
- K-Means是聚类算法中的一种，其中K表示类别数，Means表示均值。顾名思义K-Means是一种通过均值对数据点进行聚类的算法。K-Means算法通过预先设定的K值及每个类别的初始质心对相似的数据点进行划分。并通过划分后的均值迭代优化获得最优的聚类结果。(K-Means is one of the clustering algorithms, in which K represents the number of classes, and Means means the mean. As t
k-means-matlab
- 利用k-means算法实现二维平面点的聚类，包括了运行源代码和结果图(The k-means algorithm is used to realize the clustering of two-dimensional plane points, including the running source code and the result graph)
KFCM-master
- 基于核方法的模糊C均值聚类，考虑到空间数据之间的相关性，结合各点的邻域信息，在原代码中添加邻域信息：(The fuzzy C mean clustering based on kernel method, considering the correlation of spatial data and combining the neighborhood information of each point, adding neighborhood information to the origin
Python实现聚类融合的目标跟踪算法
- Python实现目标跟踪算法，使用了模板匹配搭配光流法并使用聚类融合实现特征点分类聚合的算法。