搜索资源列表
ModeViewRight
- 该算法为数字字符识别中的模糊聚类分析法。由模糊集概念而来。开发环境为vc++。
kcluster
- 一种基于软划分方法的聚类方法——模糊k均值法聚类分析。-A division of methods based on soft clustering method- fuzzy k-means cluster analysis.
moshishibie
- 先用C-均值聚类算法程序，并用下列数据进行聚类分析。在确认编程正确后，采用蔡云龙书的附录B中表1的Iris数据进行聚类。然后使用近邻法的快速算法找出待分样本X（设X样本的4个分量x1=x2=x3=x4=6；子集数l=3）的最近邻节点和3-近邻节点及X与它们之间的距离。-First C-means clustering algorithm procedures and with the following data for cluster analysis. After confirming t
Cmeansalgorithmmatlabprocessprocedures
- C均值法的程序算法matlab 程序，本程序用MATLAB实现了聚类分析的功能，保存tex文件中，无数据-C-means algorithm matlab process procedures, the procedures used MATLAB implementation of the cluster analysis function, preservation of tex file, no data
mhsx
- 聚类分析，层次聚类法。样品聚类的最优分割应用程序开发 -Optimal Partition Application Development for Sample Cluster
Fuzzyclustering
- 模糊聚类；涉及事物之间的模糊界限时按一定要求对事物进行分类的数学方法。聚类分析是数理统计中的一种多元分析方法，它是用数学方法定量地确定样本的亲疏关系，从而客观地划分类型。事物之间的界限，有些是确切的，有些则是模糊的。例如人群中的面貌相像程度之间的界限是模糊的，天气阴、晴之间的界限也是模糊的。当聚类涉及事物之间的模糊界限时，需运用模糊聚类分析方法。模糊聚类分析广泛应用在气象预报、地质、农业、林业等方面。通常把被聚类的事物称为样本，将被聚类的一组事物称为样本集。模糊聚类分析有两种基本方法：系统聚类法
work_for_pattern_recognition
- 通过设计线性分类器；最小风险贝叶斯分类器；监督学习法分层聚类分析；K－L变换提取有效特征，设计支持向量机对给定样本进行有效分类并分析结果。-By designing a linear classifier minimum risk Bayes classifier supervised learning method hierarchical cluster analysis K-L transform to extract efficient features, designed to
bianyaqi
- 采用模糊聚类法，对变压器的故障诊断，并且分析各种气体含量。-The fuzzy clustering method, on the transformer fault diagnosis, and analysis of various gases.
K-means_cluster_analysis
- 聚类分析法在数学建模及工程应用中有着广发地应用，该算法是基于K值的一种聚类算法，是解决聚类问题的有效途径-Cluster analysis in mathematical modeling and engineering applications has applied widely distributed, the algorithm is based on the K value of a clustering algorithm, is an effective way to solve
Usithod
- 利用聚类分析法改进的多Agent协作强化学习方法-Using cluster analysis to improve collaborative multi-Agent Reinforcement Learning Method
cluster
- 聚类分析 最短距离法编程实现 层次聚类法-Shortest distance clustering hierarchical clustering method programming
Pattern-Recognition_MATLAB_1
- 线性分类器设计，1_k近邻法，剪辑法，ANN-BP神经网络法，聚类分析法，特征选择，特征提取等模式识别常用算法，内有matlab可运行实现，还有word文档的说明。对于学习，是做好的资料。-Commonly used algorithm for linear classifier design the 1_k nearest neighbor, clip, ANN-BP neural network method, cluster analysis, feature selection, fea
julei
- 使用聚类分析法对数据进行处理，对初学者学习matlab中数据分类有很好的作用-Using cluster analysis method for data processing, data matlab for beginners to learn the classification have a good effect
changyongsuanfa
- 三个常用的算法模型，分别是模糊聚类分析法，灰色模型预测法和主成成分分析法-Model three commonly used algorithms, which are fuzzy cluster analysis, gray model and principal components analysis into
代码
- 先用的层次分析法筛选变量，而后使用聚类分析中的kmeans和pam两种方法，优点在于可以快速聚类，针对较大的数据量(clustering methodology)
代码
- 使用的是深圳市数学建模的电信用户数据，基于数据筛选出高价值用户，并分析他们的消费特点。代码中包括了层次分析法，聚类分析，数据的缺失值、异常值的处理(The code includes the analytic hierarchy process, the clustering analysis, the missing values of the data, and the handling of the abnormity values)
FCM
- 数学建模评价模型中常用到的聚类分析法，聚类是将一组给定的未知类标号的样本分成内在的多个类别，使得同一类中的样本具有较高的相似度，而不同类中的样本差别大，聚类分析的目的是揭示和刻画数据的内在结构。(The clustering analysis method commonly used in mathematical modeling evaluation model. Clustering is to divide a set of samples of unknown class marks
聚类
- 相似性划分，Q型聚类，是理想的多变量统计技术，主要有分层聚类法和迭代聚类法。 聚类分析也称群分析、点群分析，是研究分类的一种多元统计方法。(Similarity classification and Q clustering are ideal multivariate statistical techniques, including hierarchical clustering and iterative clustering. Cluster analysis, also known a
模糊聚类分析法（python)
- 运用python进行模糊聚类分析步骤如下：建立数据矩阵；数据标准化；建立模糊相似矩阵；改造相似关系为等价关系；确定分类数(The steps of Python fuzzy clustering analysis are as follows: establishing data matrix; standardizing data; establishing fuzzy similarity matrix; transforming similarity relation into equiv
数据挖掘中聚类算法研究进展_周涛
- 聚类分析是数据挖掘中重要的研究内容之一，对聚类准则进行了总结，对五类传统的聚类算法的研究 现状和进展进行了较为全面的总结，就一些新的聚类算法进行了梳理，根据样本归属关系、样本数据预处理、 样本的相似性度量、样本的更新策略、样本的高维性和与其他学科的融合等六个方面对聚类中近 20多个新算 法，如粒度聚类、不确定聚类、量子聚类、核聚类、谱聚类、聚类集成、概念聚类、球壳聚类、仿射聚类、数据流聚 类等，分别进行了详细的概括。(Clustering analysis is one of the impor