搜索资源列表
No-Blurring
- 利用均值漂移进行聚类分析。属于非模糊均值漂移聚类，就是所有数据都固定不动，从某个点进行搜索。-mean shif based clustering .
kjunzhi
- k均值聚类，聚为2类，结果显示散点图，红色十字表示聚类中心-K-means clustering, the class number is 2, and the results showed that the clustering center
kjunzhiduolei
- k均值聚类，类数可以自行指定，输出散点图，红色十字为聚类中心-K-means clustering, the class number can be specified on its own, the output scatterplot chart, and the Red Cross for clustering center
RandotCls
- 程序按照随即生成若干个点作为点坐标 ，根据欧式距离 进行聚类分析 ，图像处理对象是灰度值，这里是用随即生成的点做例子 展示，这个程序有界面！-Procedures in accordance with the randomly generated a number of points as the point coordinates, cluster analysis based on Euclidean distance, the image processing is the gray va
Kexample-temp-
- K-means聚类算法的实现，可以实现对图像色彩块进行分类，是一个不错的算法，就是处理起来慢了点-K-means clustering algorithm, could achieve the color of the image block classification is a good algorithm is handling up slow
K-means
- k均值聚类算法,初始随机给定k个簇中心，根据邻近原则，把待分类的样本点分到各个簇。-k-means clustering algorithm,which is applied in RBF neural network.
fuzzycm
- 基于模糊的聚类，是一种软聚类。但是不能避免全局最小点-Based on a fuzzy clustering, is a soft clustering. But you can not avoid the global minimum point
provaisodata
- isodata聚类算法，模式识别作业，经过修改，手动输入计算点。-isodata clustering algorithm and pattern recognition operations, has been modified manually input the calculated points.
kmeansClusters
- 一种图像的均值聚类算法，输入的是一幅三维图像，每个像素点对应彩色空间。-An image-means clustering algorithm, the input is a three-dimensional image, each pixel corresponds to the color space.
apcluster
- AP聚类算法：Affinity Propagation (AP) 聚类是最近在Science杂志上提出的一种新的聚类算法。-Affinity Propagation (AP) 聚类是最近在Science杂志上提出的一种新的聚类算法。它根据N个数据点之间的相似度进行聚类,这些相似度可以是对称的,即两个数据点互相之间的相似度一样(如欧氏距离) 也可以是不对称的,即两个数据点互相之间的相似度不等。这些相似度组成N×N的相似度矩阵S(其中N为有N个数据点)。AP算法不需要事先指定聚类数目,相反它将所有的
Cluster
- 实现了随机点生成、C均值聚类、ISODATA聚类算法，简单易懂-Random point generation C-means clustering, ISODATA clustering algorithm, straightforward
cmean
- 这个算法的基础是误差平方和准则，为了要得到最优结果，首先要对样本集进行划分，一般的做法是先选择一些代表性的点作为聚类的核心，然后把其余的点按照某种方法分到各类中去。-This algorithm is based on error sum of squares criterion, in order to get the optimal results, first of all to sample set division, the general practice is to choose
cluster-extraction
- 利用Kinect获取点云并利用PC显示进行L聚类提取-Kinect obtain point cloud using PC display L clustering extraction
kmeans
- K均值算法,对三维坐标点进行K聚类，注释详细，适合初学者。-K-means classify
region
- 使用聚类法实现区域分割，鼠标点击选择种子点，有多种阈值的比较-Clustering method to achieve the region segmentation, the mouse click to select seed point threshold comparison
Kmeans
- 统计学中，聚类的划分K-means算法，可以较好地实现不同数据点之间的分离-K-means algorithm used to do partition in a large amount of data points
kmeans
- 数据挖掘kmeans图像聚类实验代码 用 VC 或 Java 实现 k-means 聚类算法， 分别以迭代次数及分配不再发生变化为算法终止条件，用图片（自己选择）作为数据集，比较运行时间（画出时间与像素点的关系曲线图，因此须用多幅像素个数不同的图片进行实验） 提交实验报告与源代码。-VC or Java k-means clustering algorithm, were no longer change the number of iterations and the allocation
kmeansmatlab
- 用Kmeans聚类方法实现随即点的分类，在二维平面上以均匀分布随机多个点，输入所需聚类数以得到聚类结果-Classification and clustering results to obtain a uniformly distributed random multiple point, enter the desired number of clusters in a two-dimensional plane the Kmeans clustering method immediatel
CH3Clustering
- 基于k-means的聚类编程，例如：随机选取k个中心点，经过计算每个点到k个中心距离的远近，将其归类。最后总的距离平方差最小，即停止。-Programmed based on k-means clustering, for example: randomly select k central point has been calculated for each point to the k center distances, will be classified. The final total
fcm
- fcm 聚类两个k近邻算法，k近邻的非正式描述，就是给定一个样本集exset，样本数为M，每个样本点是N维向量，对于给定目标点d，d也为N维向量，要从exset中找出与d距离最近的k个点(k<=N)，当k=1时，knn问题就变成了最近邻问-fcm cluster