搜索资源列表
KMeans
- vs2013实现的k-means聚类算法，是一个2维点集的聚类演示程序-Vs2013 implementation of the K-means clustering algorithm, is a 2 dimensional point set of the clustering demonstration program
k-medoids
- 聚类算法中的k-medoids算法，和 k-means 肯定是非常相似的。事实也确实如此，k-medoids 可以算是 k-means 的一个变种。k-medoids 和 k-means 不一样的地方在于中心点的选取，在 k-medoids 算法中，我们将从当前 cluster 中选取这样一个点——它到其他所有（当前 cluster 中的）点的距离之和最小——作为中心点。-Clustering algorithm k-medoids algorithm, and k-means is certa
K-mean
- 聚类算法中的k-means算法，和k-medoids 肯定是非常相似的。k-medoids 和 k-means 不一样的地方在于中心点的选取，在 k-means 中，我们将中心点取为当前 cluster 中所有数据点的平均值。-Clustering algorithm k-means algorithm, and k-medoids certainly very similar. k-medoids and k-means not the same place that the center o
Kmeans
- K均值聚类分析的matlab算法程序，用于对一系列的数据点进行聚类分析。-K-means clustering algorithm MATLAB program.
smmc
- 处理多流形聚类问题，从相似性矩阵的角度出发，充分利用流形采样点所内含的自然的局部几何结构信息来辅助构造更合适的相似性矩阵并进而发现正确的流形聚类。-Handle multiple manifolds clustering problem, the perspective of the similarity matrix starting, make full use of local natural manifold geometry information contained samplin
Cluster_K-means
- k中心算法的基本过程是:首先为每个簇随意选择一个代表对象，剩余的对象根据其与每个代表对象的距离（此处距离不一定是欧氏距离，也可能是曼哈顿距离）分配给最近的代表对象所代表的簇；然后反复用非代表对象来代替代表对象，以优化聚类质量。聚类质量用一个代价函数来表示。当一个中心点被某个非中心点替代时，除了未被替换的中心点外，其余各点被重新分配。-The basic process k center algorithm is: First free to choose a delegate object fo
Cluster_DBSCAN
- DBSCAN（Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法）是一种基于密度的空间聚类算法。该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。 该算法利用基于密度的聚类的概念，即要求聚类空间中的一定区域内所包含对象（点或其他空间对象）的数目不小于某一给定阈值。DBSCAN算法的显著优点是聚类速度快且能够有效处理噪声点和发
cPP-isodata
- ISODATA聚类算法，显示聚类中心及每个类别的样本点-ISODATA clustering algorithm, cluster center display sample point and each category
my-k-means
- 这是一个k-means聚类算法，将一个四维量（比如有明确物理意义的花瓣长宽花萼长宽)按照几个中心点分成几类-This is a k-means clustering algorithm, a four-dimensional volume (such as a clear physical meaning petals calyx length and width aspect) is divided into several categories according to several ce
1K_means
- 用K-means算法将点进行聚类，点以结构体的形式表示，opencv+vs2010跑通。-By K-means clustering algorithm point, the point structure in the form of representation, opencv+ vs2010 run through.
1EMalgorithm
- 利用期望最大化聚类算法，从txt文件中读如200+个点的坐标，并将这些点尽心聚类。开发环境为opencv+vs2010-Expectation Maximization clustering algorithm, txt file read coordinates 200+ points, and these points dedicated cluster. opencv+ vs2010
colorSignature
- 用openCV提取图片的象素值，用聚类进行分割，找出各个聚类的中心点，聚类个数是动态决定的，可重新设置个数最大上限。-OpenCV extract images using pixel value segmentation by clustering to identify the center of each cluster, clustering is a dynamic number of decisions can be re-set the upper limit of the num
two-K-means
- K-means聚类算法，该程序是两个中心点的聚类方法，比较实用-K means clustering algorithm, the program is two center clustering method, practical
kmeans
- K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是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。-K-means clustering algorithm is hard, is a typical prototype-based clustering methods on behalf of the objective function, it is a method of data points to a certain d
Bag-of-visual-words
- 将每一张图的特征点采样聚类成图片的视觉单词 即视觉单词,就是对应图片的代表 创建数据库,将每张图片的视觉单词入库,并建立索引-Will feature a map of each sampling point clustered into visual images of words that is visual words, is to represent the corresponding picture of the is created, the visual image of eac
AIRSAR_SanFrancisco
- 对旧金山海岸的极化SAR数据进行分类。根据图像像素点的散射特性采用Freeman分解对图像进行分类，利用wishart聚类算法聚类。最后得到极化sar数据的分类结果。保证了图像的极化特性和散射特性-Polarimetric SAR data to classify the coast of San Francisco. Freeman decomposition using the image classification, clustering clustering algorithm bas
cluster
- 使用本章学习的K－平均算法，以颜色分量（或几何性状）作为坐标参数，对景象图进行聚类分析，要求最后的分类结果将路标（可能包括少量相似区域）聚类为一个模式类别。要求给出样本模式点，绘制坐标图（标出各个聚类中心的迭代移动轨迹），绘制算法框图，给出结论。并检查上机结果。-Use this learn K - average algorithm to color components (or geometric characters) as coordinate parameters, clusteri
vyyvsvsr
- 采用的是脉冲对消法，IDW距离反比加权方法，可实现对二维数据的聚类，表示出两帧图像间各个像素点的相对情况，从先验概率中采样，计算权重。- It uses a pulse of consumer law, IDW inverse distance weighting method, Can realize the two-dimensional data clustering, Between two images showing the relative circumstances of eac
uvqzzxmc
- 包括AHP，因子分析，回归分析，聚类分析，复化三点Gauss-lengend公式求pi，最小二乘回归分析算法，脉冲响应的相关分析算法并检验，用于特征降维，特征融合，相关分析等,实现了对10个数字音的识别，用MATLAB实现的压缩传感。-Including AHP, factor analysis, regression analysis, cluster analysis, Complex of three-point Gauss-lengend the Formula pi, Least-sq
cure
- 基于参考点的快速聚类算法 cure matlab 聚类代码-Fast clustering algorithm based reference point