搜索资源列表
Cjunzhi
- C均值 算法步骤 （1） 任选C个模式特征矢量作为出事聚类中心：Z1，Z2 （2） 将待分类的模式特征矢量集{Xi}中的模式逐个按最小距离原则分化给C类中的饿某一类 （3） 计算重新分类后的各类心 （4） 如果Zj=Zi则结束，否则K=K+1转至（2）
ISODATA
- ISODATA算法 算法步骤： (1) 预置 a. 设定聚类分析控制参数： lc=预期的类数， lNc=初始聚类中心个数(可以不等于c)， lθn =每一类中允许的最少模式数目(若少于此数不能单独成为一类)， lθs =类内各分量分布的距离标准差上界(大于此数就分裂)， lθD=两类中心间的最小距离下界(若小于此数，这两
c
- 模式识别 均值 该方法取定C个类别和选取C个初始聚类中心，按最小距离原则将各模式分配到C类中的某一类，之后不断地计算类心和调整各模式的类别，最终使各模式到其判属类别中心的距离平方之和最小。
isodata
- 模式识别 ISODATA算法 ，ISODATA算法与C-均值算法相似，聚类中心都是通过样本均值的迭代运算来决定的；
KandISODATAClass
- K均值和ISODATA分类两种算法，根据给定样本、聚类中心进行分类！
RPCL_FOR_VEC
- 基于RPCL算法的聚类中心收索算法，自动找出聚类的中心
k_means
- K-MEANS算法: k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再
improvedfcm
- fcm是模糊c均值聚类算法，确定聚类中心以后，通过循环迭代，确定最佳聚类中心
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
colorSignature
- 用openCV提取图片的象素值，用聚类进行分割，找出各个聚类的中心点，聚类个数是动态决定的，可重新设置个数最大上限。-OpenCV extract images using pixel value segmentation by clustering to identify the center of each cluster, clustering is a dynamic number of decisions can be re-set the upper limit of the num
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
SimpleKMeans
- k-means聚类算法 指定类别数为K，对样本集合进行聚类，聚类的结果由K 个聚类中心来表达，基于给定的聚类目标函数(或者说是聚类效果判别准则)，算法采用迭代更新的方法，每一次迭代过程都是向目标函数值减小的方向进行，最终的聚类结果使目标函数值取得极小值，达到较优的聚类效果。-k-means clustering algorithm for specific classes of K, the collection of samples for clustering, clustering t
StatisticSallyble1230_1
- 开发环境VS.NET 统计决定，聚类中心个数。-Decision VS.NET development environment statistics, the number of cluster centers.
K-image-RGB
- 用C语言实现一张BMP图像的所有点的RGB的K-均值聚类程序，生成两个聚类中心。可根据具体情况稍作修改后直接调用。-VC6.0 digital image RGB
Kmeans
- Kmeans 算法是聚类分析中使用最为广泛的算法之一，其每个类别均用该类中所有数据的平均值(或加权平均)来表示，这个平均值即被称作聚类中心。该方法虽然不能用于 类别属性的数据，但对于数值属性的数据，它能很好地体现聚类在几何和统计学上的意义。-Kmeans algorithm is the most widely used cluster analysis algorithm, each category with the average of all data in the class (
k-means-algorithm-
- 在matlab开发环境下用k均值算法实现数据的分类，以及得到数据的聚类中心- realizingthe data classification With k-means algorithm
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。
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
fcm
- 一种快速的抗噪声模糊C均值图像分割算法 图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出。该算法结合像素灰度值相似度和隶属度构造了一个新的空间函数。该空间函数用于更新成员关系，而成员关系又用于迭代地获取聚类中心。所提出的算法可以在较少的迭代次数下获得理想的分割结果，有效地降低了噪声的影响。(A fast anti noise Fuzzy C-Means Image Segmentation AlgorithmImage segmentation is to divide the i