搜索资源列表
2
- 动态聚类的k均值算法－－用k均值算法解决动态聚类问题
kmean
- 基于k均值聚类学习算法的rbf神经网络实现
FCM_Cluster
- 首先介绍模糊集基本知识 其次K均值聚类算法(HCM)介绍 最后重点介绍了模糊C均值聚类， 模糊聚类是一种很重要思想，最近再图像处理中就用的了这种思想，也算是一点思维创新
k_medoids
- 聚类算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了，下面就再转到2。 4，这样循环直到K个medoids固定下
all
- 模式识别分类器的设计，此为K均值法源码，经调试通过。所用数据为标准IRIS。
kmeans
- K均值图像分割，读入彩色图片，输出区域分割后的图片
FCM
- 此代码是一种模糊C均值算法，是一种聚类算法，是对k均值算法的一种改进
KMeans
- 人工智能技术K均值算法，JAVA实现，有需要的下
kmeanforvoice
- K-MEAN:经典K均值算法,适用领域：语音识别，图像识别
kMeansCluster
- 这个程序主要讲述了数据挖掘中K均值算法的应用
以K－均值聚类结果为初始解的模拟退火聚类
- 由于K－均值聚类算法局部最优的特点，而模拟退火算法理论上具有全局最优的特点。因此，用模拟退火算法对聚类进行了改进。20组聚类仿真表明，平均每次对K结果值改进8次左右，效果显著。下一步工作：实际上在高温区随机生成邻域是个组合爆炸问题（见本人上载软件‘k－均值聚类算法’所述），高温跳出局部解的概率几乎为0，因此正考虑采用凸包约束进行模拟聚类，相关工作正在进行。很快将奉献给各位朋友。-as K-means clustering algorithm for optimal local character
kmeans聚类算法源码
- k均值聚类算法源码，比较经典，无解压密码-kmeans clustering algorithm source code,comparatively classical,no password for unzip
KC.tar
- 是K均值算法的一个Linux下的编译的程序,用标准C++编写的-K-means algorithm is a Linux compiler procedures used to prepare the standard C
MFY_kmeans
- 这是我帮一个本科生做的毕业设计，实现的数据挖掘的k均值和k中心算法，其中包含了我做的两个二维的数据集，感觉要预先知道k的参数值，不是很方便-This is what I do to help an undergraduate graduation Design, Implementation of the Data Mining mean k and k center algorithm, which includes me to do two two-dimensional data sets
一种新的聚类分析距离算法
- K均值是一个预先知道类数的算法，需要具备专业知识，不现实。本文提出一个确定类数的方法。-K is a means to know in advance the number of categories algorithm, requires expertise and unrealistic. This paper presents a number of categories to determine the method.
均值聚类算法
- C-Fuzzy均值聚类算法采用的是给定类的个数K,将N个元素(对象)分配到K个类中去使得类内对象之间的相似性最大,而类之间的相似性最小。
fastapcluster.zip
- 改进的邻近聚类方法，比k-means 和模糊c均值聚类好
hyperspectral-data-processing 高光谱数据处理基本算法
- 高光谱数据处理基本算法，异常点检测，端元提取，丰度图K均值聚类，PCA算法-anomalydetection endmemberExtraction Kmeansclustering by abundancemap PCA NAPCA
KMeans.rar
- 这是k均值聚类的实现代码,效果非常的好，已经经过实际的项目验证过了，需要的朋友欢迎下载....,this is the discr iption of the k-means algorithm