搜索资源列表
RBF
- 文中设计了一个3层径向基神经网络(RBFN)用于对企业的5项评价指标进行聚类分析，并与蚁群算法做了比较分析。RBFN由输入层 到隐含层采用传统的K一均值算法，隐含层到输出层通过“模2递减”学习速率的BP学习；蚁群算法根据信息素的分配能够自动调整收索 路径，从而达到数据自动聚类的目的。结果表明，与蚁群算法相比，改进RBFN具有快速收敛、自动识别奇异样本的优点，而蚁群算法 无须教师学习，并能够达到全局最优。
FuzzyClusteringToolbox
- 四种聚类算法源代码及示例代码,本程序的最终目的是形成一套标准的用于聚类、可扩展的工具。包括的内容有1. 聚类算法：Kmeans和Kmedoid算法、FCMclust, GKclust, GGclust算法 2. 评估分类原型：程序可以在二维图像上绘制出聚类的结果 3. 验证：程序给每一个算法提供验证机制，每个聚类算法会统计Partition Coefficient (PC), Classification Entropy (CE), Partition Index (SC), Separatio
searchupper
- 模糊聚类分析中在搜索矩阵的判定指标，指标上限的求解。-Fuzzy clustering analysis in the search matrix, the indicator cap solution.
src
- 使用k-means和fcm实现聚类，可选择有效性指标-And the use of k-means clustering to achieve fcm the option of the effectiveness of indicators
FuzzyClusteringToolbox
- 四种聚类算法源代码及示例代码,本程序的最终目的是形成一套标准的用于聚类、可扩展的工具。包括的内容有1. 聚类算法：Kmeans和Kmedoid算法、FCMclust, GKclust, GGclust算法 2. 评估分类原型：程序可以在二维图像上绘制出聚类的结果 3. 验证：程序给每一个算法提供验证机制，每个聚类算法会统计Partition Coefficient (PC), Classification Entropy (CE), Partition Index (SC), Separatio
cvap3.7
- 聚类有效性指标,比较全，功能比较强大，是学习聚类的好工具-Clustering Validity Indices
1
- 基于WEKA平台的文本聚类研究与实现 文本聚类是文本挖掘领域的一个重要研究分支，是聚类方法在文本处理领域的应用。本文对基于空间向量模型的文本聚类过程做了较深入的讨论和总结，利用文本语料库，基于数据挖掘工具研究并实现了文本聚类的过程。本文首先给出了文本聚类的思想和过程，回顾了文本聚类领域的已有成果，列举了文本聚类领域在特征表示、特征提取等方面的基础研究工作。另外，本文回顾了现有的文本聚类算法，以及常用的文本聚类效果评价指标。在研究了已有成果的基础上，本文利用20 Newsgroup文本语料库，
clustering-system
- 本程序的最终目的是形成一套标准的用于聚类、可扩展的工具。包括的内容有1. 聚类算法：Kmeans和Kmedoid算法、FCMclust, GKclust, GGclust算法 2. 评估分类原型：程序可以在二维图像上绘制出聚类的结果 3. 验证：程序给每一个算法提供验证机制，每个聚类算法会统计Partition Coefficient (PC), Classification Entropy (CE), Partition Index (SC), Separation Index (S), Xi
LVQ
- 该评估问题实际上是一个分类问题，评价指标作为网络的输入，评估等级是网络的输出，CPN网络的竞争层能够进行聚类，再通过有导师学习就可以精确划分类型，在该例中获得了成功的应用。 从此例中也可以发现，随着样本数得增多，网络的训练次数也随之增加，另外，该例中隐层节点数的选择还主要依靠经验和试验。 由本实验的结果可知，利用CPN神经网络实现博士论文评价具有很好的效果，其评价结果与专家所给结果基本一致。-The evaluation problem is actually a classificat
K-means
- K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。这是一本介绍K-means算法的英文书籍 -K-means algorithm is very typical distance-based clustering algorithm, using distance as the similarity evaluation, that the closer the two objects, the greater the s
juleipingjia
- 为判断聚类结果质量的好坏，需要一个客观的评价指标来评价聚类结果的合理性。聚类性能评价方法通常分为三种：外部评价法，内部评价法，相对评价法。外部评价法将聚类结果得到类标签和已知类标签进行比较，此评价法的前提是数据集样本的类标签已知-In order to judge the quality of clustering results, good or bad, the need for an objective evaluation to assess the reasonableness of
FCEPAHPPcluster
- 模糊综合评价+层次分析法+聚类 结合层次分析法特点，能够自主计算出综合评价中各指标的权重，避免自主赋权的主观性；同时附带有聚类指标，将所得结果分类-FCE APH cluster
matlab-julei
- 聚类分析,亦称群分析或点群分析,是研究多要素事物分类问题的数量方法。基本原理是根据样本自身的属性，用数学方法按照某种相似性或差异性指标，定量地确定样本之间的亲疏关系，并按这种亲疏关系程度对样本进行聚类(Cluster analysis, also called group analysis or point group analysis, is a quantitative method for studying the classification of multi factor things
K-mean
- K-means算法是很典型的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大(K-means algorithm is a typical distance based clustering algorithm. The distance is used as the evaluation index of similarity, that is, the closer the distance between the two objects, the
clustering-index
- 欢迎使用和评述此工具箱，您的意见是对我们工作的支持。 此工具适合于不同有效性指标的性能比较，改进代码用于不同的应用问题等等。 (1) NCT的内容 NCT包括4个外部有效性指标和8种内部有效性指标，编制的程序文件"validity_Index.m"用于调用它们 (2) 主文件 "mainClusterValidationNC.m" 的内容 主文件设计为如何使用PAM聚类算法、如何使用有效性指标和方法来估计聚类个数。(H
关于回归神经网络的交通状态判别
- 聚类分析又称群分析，它是研究(样品或指标)分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。 聚类(Cluster)分析是由若干模式(Pattern)组成的，通常，模式是一个度量(Measurement)的向量，或者是多维空间中的一个点。 聚类分析以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。(Clustering algorithm)
ClusteringMeasure
- 用于聚类结果的分析，包括三种评测指标，ACC，PUR，NMI。(Use for the analysis of the clustering result.)
time-domain
- 自己用的时域特征提取方式，包含均值，均方根值，歪度，峭度，峰值指标，阈值裕值指标，峭度指标等，然后用RBF做聚类(The method of feature extraction in time domain includes mean value, root mean square value, skewness, kurtosis, peak value index, threshold margin index, kurtosis index, etc. Then RBF is used
nmi
- matlab版本的标准互信息函数，用于聚类指标的计算，可直接使用(normalized mutual information function for clusering performance evaluation (MATLAB version))
KMeans
- 用matlab 实现了kmeans算法还附有评价指标计算(Matlab to achieve kmeans algorithm also attached to the evaluation index calculation)