搜索资源列表
wykmeans
- 基于c语言实现的聚类算法，运行与visual c++环境下，可以实现均值聚类。-c language based on the clustering algorithm, the operating environment with visual c, means clustering can be achieved.
K-means
- 简单实用的k均值聚类算法，可以实现多位向量的简单聚类-Simple and practical k-means clustering algorithm, can achieve more than a simple vector clustering
GA1E1
- 用Ｋ均值和遗传算法实现了半监督聚类算法，这是个一个已经发表的论文的源程序-Using K-means and genetic algorithm to achieve a semi-supervised clustering algorithm, this is a paper published source
knear
- K均值算法，用于聚类，程序写得比较好，容量读-K means algorithm for clustering, procedures written better, capacity Reading
source-file
- 数据挖掘中聚类算法k-modes的具体实现代码-Data ming ,k-modes algorithms
max-min
- max-min聚类算法实现，机器学习方面的经典算法，值得一看-Realization of max-min clustering algorithm, classical machine learning algorithms, worth a visit
LWP
- LWP算法，是一种局部聚类的启发式社区发现算法-LWP algorithm, is a local community discovery algorithm heuristic clustering
k
- k均值算法，数据挖掘里面比较基础的算法，实现类聚-k-means algorithm, which based on the comparison of data mining algorithms to achieve clustering
AgenesCluster
- 层次聚类，经典算法agenescluster-Hierarchical clustering, the classical algorithm agenescluster
color_kmeans
- 使用opencv kmeans 进行颜色聚类-opencv kmeans
Cluster_DBSCAN_txt
- DBSCAN算法；读取文本数据；聚类表示；简单快速-DBSCAN algorithm read text data clustering representation simple and fast
ClusterAnalysis_2014.11.4
- 模式识别的聚类分析。K均值聚类算法是先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。一旦全部对象都被分配了，每个聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。-Pattern recognition clustering
LDFV
- VLAD VLAD可以理解为是BOF和fisher vector的折中 BOF是把特征点做kmeans聚类，然后用离特征点最近的一个聚类中心去代替该特征点，损失较多信息； Fisher vector是对特征点用GMM建模，GMM实际上也是一种聚类，只不过它是考虑了特征点到每个聚类中心的距离，也就是用所有聚类中心的线性组合去表示该特征点，在GMM建模的过程中也有损失信息； VLAD像BOF那样，只考虑离特征点最近的聚类中心，VLAD保存了每个特征点到离它最近的聚类中心的距离；