搜索资源列表
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
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
kMeansCluster
- 采用kmeans聚类方法，实现多个配送中心选址。-By kmeans clustering method of multiple distribution center location.
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
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
- k均值聚类算法,初始随机给定k个簇中心，根据邻近原则，把待分类的样本点分到各个簇。-k-means clustering algorithm,which is applied in RBF neural network.
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
Genetic-optimization-of-C-clustering
- 运用遗传优化算法优化模糊C均值聚类，通过全局自适应寻优，寻找出更为精确的模糊聚类中心-Using genetic optimization algorithm to optimize the fuzzy C-means clustering, global adaptive optimization to find a more precise fuzzy clustering center
quick_centroid_estimation
- 一个高效的粒子群方法快速优化的聚类中心。An efficient particle swarm approach for rapid optimization of cluster centroids-the matlab quick centroid estimation matlab
Quantum-clustering-center
- 量子聚类中心的计算Quantum clustering center-Quantum clustering center
ap-Code
- 本程序为仿射传播聚类的算法，相比较于K均值聚类不需要确定聚类个数，且对初始聚类中心不敏感-This procedure for affinity propagation clustering algorithm, compared to K-means clustering is not required to determine the number of clusters, and is not sensitive to the initial cluster centers
km
- 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 后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。 该算法的最大优势在于简洁和快速。算法的关键在于初始中心的选择和距离公式。 -First, choo
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。
kmean
- 图像聚类，应用了kmean算法，即k均值聚类，算法的聚类中心应用随机起点法-cluster of picture
程序
- SOM-SVM模型是利用SOM的聚类特点，将含有相同特征的输入样本聚集在一起，并把离聚类中心较远的输入样本舍去。经过20%的样本压缩后，将含有代表性的小样本再送入SVM进行训练。本文的样本集通过实验平台采集，验证了基于支持向量机的频谱感知方法在实际数据测试条件下也能取得很好的感知性能。仿真结果表明，SOM-SVM模型在低信噪比下，频谱检测率接近100%，检测错误率也得到了很好的改善。(The SOM-SVM model is based on clustering characteristics
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