搜索资源列表
center_detection
- 本人刚刚做的数学建模比赛题目和求解程序，是图像中的“交叉点”检测问题。先是对图像去噪去模糊光照均匀后再二值化，然后利用角点检测方法得到图像中的角点，最后聚类分析，剔除不合格角点，最终得到交叉点的坐标。-I just do mathematical modeling and solving program title game, is the image of the "crossover point" detection. First, go to blur the image de-noisi
dbscanPointcloud
- 用DBSCAN聚类算法实现的三维点云的聚类-using DBSCAN to realise 3d pointcloud clustering
DBSCAN
- DBSCAN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(Density-Based Spatial Clustering of Applications with Noise)
density-based-clustering
- 基于密度的聚类算法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-density based clustering
DBC-for-big-data
- 基于密度的聚类算法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-density based clustering is a basic clustering algorithm in big data.
KMeans
- K-均值聚类算法，属于无监督机器学习算法，发现给定数据集的k个簇的算法。 首先，随机确定k个初始点作为质心，然后将数据集中的每个点分配到一个簇中，为每个点找距其最近的质心， 将其分配给该质心对应的簇，更新每一个簇的质心，直到质心不在变化。 K-均值聚类算法一个优点是k是用户自定义的参数，用户并不知道是否好，与此同时，K-均值算法收敛但是聚类效果差， 由于算法收敛到了局部最小值，而非全局最小值。 K-均值聚类算法的一个变形是二分K-均值聚类算法，该算法首先将所有点作为一个簇，然
dbscan
- 数据挖掘算法 dbscan 基于密度的聚类算法 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-Data mining algorithms dbscan density-based clustering algorithm will cluster is defined as the density of points connected to the largest collection of regional divisi
K-means
- 聚类算法 K-means 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 该代码针对图像的分类-Some distance K-means clustering algorithm to the data points as a prototype optimization objective function, using the function for extreme methods to adjust the rules to get the cod
K
- k-means 聚类 有归一化和选择中心点函数-k-means cluster
CollectAnaly
- 5层的MATLAB聚类分析的算法，输入需要进行分析的数据，点击运行即可得出聚类结果-MATLAB cluster analysis of 5 layer algorithm, input the need for analysis of the data, click Run to get the clustering results
isodataPro
- 此程序为ISODATA聚类算法的改进，主要是优化了其初始化，其初始化为两类，一类质心为极值最大点，另一类质心为离该质心最远的质心-This procedure is a clustering algorithm for the ISODATA , The original method is improved by the initialization . let a maximum point as the center of the first class,and let the c
Improved-Fuzzy-Clustering
- 模糊聚类的改进--先用减法聚类得到初始点，而后用模糊聚类得到聚类中心，能够提高聚类的速度和精度-Improved Fuzzy Clustering- first get the initial point subtraction clustering, and then get the cluster center with fuzzy clustering, clustering can improve the speed and accuracy
fcm-brain
- 利用matlab软件编写模糊聚类算法，将脑叶图片不同像素点分离-Software written using matlab fuzzy clustering algorithm, the lobe separation of different pixel images
DBScan
- 这是一种改进的基于密度的聚类算法，其侧重点在于，点与线的分离-This is an improved clustering algorithm based on density, its focus is on the separation point and the line
AntColonyClustering
- 基于蚁群聚类的图像分割方法。把聚类中心看做食物源，蚂蚁根据分泌的信息素寻找图像边缘点。-Image segmentation method based on ant colony clustering. The cluster centers seen as a food source, ants secrete pheromones to find based on the image edge points.
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
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
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