搜索资源列表
k_nn
- kNN的思想:计算待分类的数据点与训练集所有样本点，取距离最近的k个样本；统计这k个样本的类别数量；根据多数表决方案，取数量最多的那一类作为待测样本的类别。距离度量可采用Euclidean distance，Manhattan distance和cosine。-kNN The idea is simple: the training set and calculated data points to be classified all sample points taken the neare
knn
- 一个简单的KNN实现,利用距离测试点最近的k个点的所属类别，进行投票表决，票数多的即为测试点所属的类别-the algorithm of k-nearest neiberhood to judge the test data s classification
keras-master
- 最近一直在用keras，说点个人感受。 1、keras根植于python及theano，人气比较旺。 2、提供较为上层的框架，搞个深度学习的原型非常方便。 3、更新很快，我记得几个月前还没有multi-task的能力，最近再查就提供了graph的对象。 4、最重要的，文档很全。这点超过其它类似的基于theano的框架（Lasagne, Opendeep, Blocks）-Keras is a high-level neural networks library, written
Ab201702125
- 1.随机的选取K个种子点作为初始聚类中心 2.然后求出所有的点到K个聚类中心的距离，找出离每个点最近的聚类中心作为该点的种群中心。 3.经过前两步就形成了K个点群，然后更新K个点群的中心。 4，重复步骤2和3直到满足一定的阈值。-wo zhidao zenme zuo
kmeans
- 可以直接拿来用 python2.7 在数据挖掘中，K-Means算法是一种 cluster analysis 的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。(In the data mining, K-Means algorithm is a cluster analysis algorithm, which is mainly to calculate the data aggregation algorithm, mainly through the con
A星算法
- 算法可绕过障碍点，实现起始点与目标点的最近距离(The algorithm can bypass the obstacle point and realize the closest distance between the starting point and the target point.)
CureDemo
- 实现的cure聚类的demo。算法在开始时，每个点都是一个簇，然后将距离最近的簇结合，一直到簇的个数为要求的K。它是一种分裂的层次聚类。算法分为以下6步： 1）从源数据对象中抽取一个随机样本S。 2）将样本S分割为一组划分。 3）对划分局部的聚类。 4）通过随机取样提出孤立点。如果一个簇增长得太慢，就去掉它。 5）对局部的簇进行聚类。 6）用相应的簇标签标记数据。(The implementation of the cure clustering of the
NUFFT
- 结合李银斌同学的论文第三章，得到NUFFT算法。zl为非均匀采样值，xl为非均匀网格点，ul为与xl最近的均匀网格点。得到的zk为，均匀频谱(Non-uniform fast Fourier transform)