搜索资源列表
使用减法聚类初始化fcm算法的聚类中心
- subclutering initializing fcm: 开发语言：matlab 功能：使用减法聚类初始化fcm算法的聚类中心，可以快速找到合适的初始聚类中心
kMedoids.rar k-中心聚类算法的matlab实现
- k-中心聚类算法的matlab实现。直接读取文档数据，没有维限制。,k-Medoids clustering algorithm matlab implementation. Document data read directly, there is no dimension restrictions.
GAFCM
- 遗传算法改进的模糊C-均值聚类MATLAB源码 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优分类结果。 -Value algorithm (FCM) of the optimization calculations, by the genetic algorithm is the initial cluster centers, and the
KMeansClusterConsole
- K均值聚类算法，取前k个点为初始聚类中心，然后进行迭代聚类-K means clustering algorithm, fetch the first k points as initial cluster centers, then the iterative clustering
ClusterAnalysis
- 现在我们给定两幅ALV路标的捕捉图像，我们实际工作中首先要捕获路标（这里我们假定环境中已经有路标），而此时的景象是难以预知的：我们不知道路标在什么位置、是什么路标、除了路标还有那些图像模式？ 基本要求：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。试验报告同前面一样，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。 -e
unsupervisedClassification
- 非监督分类程序，MATLAB环境，采用K均值算法，通过初始聚类中心逐次迭代而得到所要分类，并输出分类后的图像。-Non-supervised classification procedures, MATLAB environment, using K-means algorithm, the initial cluster center through successive iterations to be classified, and the output classification im
C-means
- 使用c-均值聚类算法在IRIS数据上进行聚类分析，随机选择三个初始聚类中心，经过多次迭代，最终将150个样本分为三类。-Use c-means clustering algorithm in the IRIS data on the cluster analysis, three randomly chosen initial cluster centers, through a series of iterative, 150 samples will eventually fall into
73462683ClusterImageSeg
- 模糊均值聚类FCM算法对图像的颜色聚类 进行图像分割 聚类个数和聚类中心都是事先决定的-Fuzzy-means clustering algorithm FCM clustering for color image segmentation and clustering the number of cluster centers are determined in advance
kmean
- 给定很多数据点之后找这些类的聚类中心，然后重新分类。-Given after a lot of data points to find these kind of cluster center, and then reclassified.
PRmatlabprogram
- matlab聚类，应用平均值法求新的聚类中心-matlab clustering, the application of the cluster center average method novelty
gaMatlab
- 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优分类结果。-Fuzzy C-means algorithm converges to local minimum points easily, in order to overcome the shortcomings of genetic algorithm is applied to fuzzy C-means al
K-means
- 聚类算法（K-means）源代码，通过对该代码的运行，可以实现对各种数据的聚类显示，最终选出聚类中心-Clustering algorithm (K-means) source code, run through the code, can display a variety of data clustering, selected a cluster center
Exterme_k_means
- Extreme k-means，被yuboYuan提出，给定初始聚类中心，聚类快。-Extreme k-means,poposed by yuboYuan，the intial center is fixed, faster than traditional k-means
meanshift
- 聚类用于跟踪，识别，有确定的聚类中心，聚类半径，聚类数目。
ISODATA MATLAB编码
- 迭代自组织数据分析算法（Iterative Self-Organizing Data Analysis Techniques Algorithm，ISODATA）与K均值算法有相似之处，即聚类中心的位置同样是通过样本均值的迭代运算决定。不同的是，这种算法在运算的过程中聚类中心数目不是固定不变的，而是反复进行修改，以得到较合理的类别数K，这种修改通过模式类的合并和分裂来实现，合并和分裂在一组预先选定的参数指导下进行。
cluster
- 快速搜索与发现密度峰值聚类方法来确定聚类中心(Clustering by fast search and find of density peaks)
模糊C均值聚类算法
- 模糊c-均值聚类算法通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的，一般用于故障识别与分类。(Fuzzy c- mean clustering algorithm obtains the membership degree of every sample point to all class centers by optimizing the objective function, and determines the classifi
语音聚类示例
- 实验示例是基于语音中的mfcc，语音倒谱特征来进行聚类，先利用训练样本来计算训练样本聚类中心（用到了lbg算法），之后再进行分类。 注意：使用代码时需要自己更改文件路径。(This example is based on the MFCC in speech and the feature of speech Cepstrum to cluster. First, the training sample is used to calculate the training sample clus
04657872GAFCM
- 遗传算法改进的模糊C-均值聚类MATLAB源码.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优分类结果。(Improved genetic algorithm and fuzzy C- means clustering MATLAB source. The fuzzy C- means algorithm is easy to converge to local m
模糊聚类R代码
- 模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称（ FCM）。在众多模糊聚类算法中，模糊C-均值（ FCM） 算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。(Fuzzy c-means clustering algorithm or FCM. Among many fuzzy clustering algorithms, the Fuzzy C-Means algori