搜索资源列表
cure
- 层次聚类算法中的cure算法，它利用代表点来达到聚类目的-hierarchical clustering algorithm cure the algorithm, which uses representatives point to achieve clustering purpose
Cluster111
- C-均值动态聚类算法 matlab 很简单对 一组样本点的分类和中心点-C - Means clustering algorithm Matlab is very simple sample of a point and focal point for the classification
noseecluster
- 聚类分析技术有着广泛应用.因为在对图像进行聚类分析时,通常缺少可资利用的先验知识,所以需要采用无监督的聚类算法.为了适应图像检索的需要,提出了一种新型的无监督聚类方法,即根据离群点信息来自动确定聚类算法的终止时机.此方法还弥补了现有聚类算法在离群点识别、使用上的缺欠.为验证其可行性,用其改进了CURE和ROCK两个经典算法.实验表明,改进后的两个算法都能自动终止,并能取得优于以往的聚类效果. -clustering analysis techniques have wide applicatio
ju
- 一个CURE聚类算法 应用了K中心点算法 采用空间坐标聚集 -a clustering algorithm is applied to the K-center space coordinates is used to gather
td
- 二维点集合聚类的图像化演示程序 用它可以很直观的看到聚类的整个过程-2D point set of images of the cluster demo program can use it directly to see the whole process of clustering
Cmean
- 用cmean方法做的模式识别聚类程序.通过测量各点之间的距离来确定类别数，以及归属于哪类-cmean methods using the clustering pattern recognition procedures. By measuring the distance between a number of categories to determine , and in the types of attribution
ISODATA
- 在各种聚类算法中，ISODATA可以说是应用最广泛的。以与代表点的最小距离作为样本聚类的依据，因此比较适合各类物体在特征空间以超球体分布的方式分布，对于分布形状较复杂的情况需要采用别的度量。
data4cluster-with-the-data
- 本例子附带数据通过K中心点聚类算法，将案例聚成4类，并计算相似性矩阵，用logrank函数检验P值-The example of incidental data by K center point clustering algorithm, the case clustered into four categories, and calculate the similarity matrix logrank function test P value
matlab_k_clustering
- 基于matlab的k中心点聚类算法，适于matlab和聚类分析的入门学习-failed to translate
kmedoids1
- matlab下的k中心点聚类算法，matlab内置仅有k均值聚类算法-k under the center clustering algorithm matlab, matlab built-k-means clustering algorithm only
HarrisDetector
- Harris角点检测是一种经典的角点检测方法，该代码中包含 1.原始的直接调用OpenCV实现角点检测； 2.封装自定义类来改进角点检测； 3.实现了增加容忍距离解决特征点聚类是角点分布均匀-Harris corner detection is a classical corner detection method, the code contained 1. The original of directly calling OpenCV corner detection to
Arithmetic
- Aprior算法，Fp树算法，K均值，k中心点聚类算法，都可实现-Aprior algorithm, Fp tree algorithm, K-means, k center clustering algorithm can be realized
SLIC_segment
- SLIC 超像素分割算法，在MATLAB平台上实现的算法，其核心为：首先均匀地指定聚类中心，然后根据features将周围的点聚类。- SLIC super pixel segmentation algorithm implemented on the MATLAB platform, the core idea is: first to specify the cluster center, and then according to the features clustering aro
_data.tar
- 实现三维点云条件欧式聚类，附带点云数据和CMakelists文件(Three dimensional cloud conditions to achieve the European clustering, with cloud data and CMakelists files)
dbscan
- 可以将数据分为几个类别，找出异常点并排除故障点。(You can classify the data, find out the outliers and troubleshoot them)
kmeans2
- 用于构建数据概要，用于分类、模式识别、假设生成和测试；用于异常检测，检测远离群簇的点。(Used to build data outlines for classification, pattern recognition, hypothesis generation and testing; for anomaly detection, detecting points away from the cluster.)
K_means
- 本代码可以根据类的初始中心位置和初始点总数，返回每个类的中心位置以及属于哪一类。(This code can return to the central position of each class and what class it belongs to, based on the initial center location and the total number of initial points of the class.)
FCMClust
- 实现对点云的分类,利用该算法可以自动化的实现点云的分类(point cloud classification)
三维点云分割
- 通过java实现对三维点云进行分割，包括三种方法：基于法向量的、基于区域的、基于聚类的
TRACLUS-master
- 在线输入位置点，进行轨迹分类，直接画出图像，十分方便。(It is very convenient to input position points online, classify tracks and draw images directly.)