搜索资源列表
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
KMEANSII
- 神经网络中的K均值聚类算法II： 1.KMIn为输入数据文本，其中，第一个参数为所要聚类点个数，第二个参数为聚类点的维数,第三个参数为所要求聚类的个数 2.KM2OUT为经过K均值聚类算法II计算后得到的结果
Kmeans
- 在Visual C++.NET2003平台下实现聚类算法中的K-MEANS算法，对随机生成的点进行了聚类。使用单文档结构，并将聚类结果显示出来。
corner
- 提出了一种快速准确车辆牌照的分割方法。首先利用形态学算子获取车牌的候选区域，剔除较小的和较大的区域；对保留的候选区域利用Trajkovic算法获取角点；最后对检测后的结果聚类，从而分割出包含车牌区域的子图像。
chect
- 基于聚类的孤立点检测算法
ISODATA
- 一个简单的isodata动态聚类算法isodata，最后可以显示出迭代的结果，包括中心点，方差，样本归类等-A simple ISODATA dynamic clustering algorithm isodata, the last iteration can show results, including the center, variance, sample classification, etc.
jj
- 将150个四维微量数据按聚类分成三类,并找出每一个聚类的中心点-To 150 four-dimensional micro-data are divided into three categories according to cluster and identify the center of each cluster
ppt
- 使用禁忌算法确定聚类簇数目的ppt，该论文改进了聚类算法需事先知道聚类簇中心点的缺点，减少了依赖性-The use of taboo clustering algorithm to determine the number of clusters ppt, the paper has improved clustering algorithm need to know in advance that the shortcomings of clustering cluster center, a
cluster_by_distances
- 通过欧几里德距离对三维空间内的数据点进行聚类： 从文件读入三列表示坐标的数据进行聚类。按项目总数和组数平均划分。首先计算两两之间的距离，选出最近的两个点，再按距离由小到大排序，找出距这两个点最近的若干个点。 除去这些点后对其余的点重复进行上述操作。-By Euclidean distance on three-dimensional space, clustering of data points: from the file read into the three coordinate
k_means
- 聚类分析算法,用来对点的数据集合进行聚类分析-clustering analysis algorithm
ordinary_algorithm_for_pattern_recognition
- 使用C语言实现的一些简单模式识别聚类算法，用于简单的二维坐标系点的聚类。有最短距离算法、K均值算法、近邻算法、fcm算法、最大最小距离算法。-Using the C language implementation of some simple pattern recognition clustering algorithm for a simple two-dimensional coordinate system point of clustering. Has the shortest di
test
- 系统聚类，设有一空间点群，其中n=12，空间点位坐标如下表所示，根据系统聚类方法中的最短距离统计量进行聚类分析-Cluster, has a space group, where n = 12, space coordinate points in the following table, according to the system in the shortest distance clustering method for cluster analysis statistics
K-means
- k-means 算法 step1 初始化K个质心 step2 将所有的点分配给最近的质心 step3 更新质心 step4 若质心都没用变化,则停止,否则返回step2 -k-means algorithm is initialized step1 step2 K a center of mass of all the points assigned to the nearest centroid centroid step3 step4 update no us
PAM
- PAM（Partitioning Around Medoid,围绕中心点的划分）算法是是划分算法中一种很重要的算法，有时也称为k-中心点算法，是指用中心点来代表一个簇。PAM算法最早由Kaufman和Rousseevw提出，Medoid的意思就是位于中心位置的对象。PAM算法的目的是对n个数据对象给出k个划分。PAM算法的基本思想：PAM算法的目的是对成员集合D中的N个数据对象给出k个划分，形成k个簇，在每个簇中随机选取1个成员设置为中心点，然后在每一步中，对输入数据集中目前还不是中心点的成员根
DBSCAN
- dbscan 处理GPS二维空间点,进行基于密度的聚类-dbscan for 2-dimension processed
Kexample-temp-
- K-means聚类算法的实现，可以实现对图像色彩块进行分类，是一个不错的算法，就是处理起来慢了点-K-means clustering algorithm, could achieve the color of the image block classification is a good algorithm is handling up slow
_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)
kmeans
- 利用k均值聚类算法对数据进行聚类分析（数据点通过随机生成）(Using k-means clustering algorithm to cluster data (data points are generated randomly))
c+=
- k-means c++, 聚类算法-含代码说明。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。(k-means c++,Partitioning Methods,Hierarchical Methods,density-based methods,grid-based methods,Model-Based Methods)