搜索资源列表
cure
- 层次聚类算法中的cure算法，它利用代表点来达到聚类目的-hierarchical clustering algorithm cure the algorithm, which uses representatives point to achieve clustering purpose
Cluster111
- C-均值动态聚类算法 matlab 很简单对 一组样本点的分类和中心点-C - Means clustering algorithm Matlab is very simple sample of a point and focal point for the classification
ju
- 一个CURE聚类算法 应用了K中心点算法 采用空间坐标聚集 -a clustering algorithm is applied to the K-center space coordinates is used to gather
td
- 二维点集合聚类的图像化演示程序 用它可以很直观的看到聚类的整个过程-2D point set of images of the cluster demo program can use it directly to see the whole process of clustering
Medoidshift
- 中心点漂移是一种非监督聚类算法（与k-means算法相似，但应用范围更广些),可用于图像分割，基于Matlab实现的源码。 MedoidShift is a unsupervised clustering algorithm(similar to k-means algorithm, but can be used in border application fields), can be used for image segmentation. Included is the Matlab
CURE
- 层次聚类算法中的Cure算法，可以用于识别非球形的簇，解决了偏好球形和相似大小的问题，在处理孤立点上也更加健壮。
K-Means.RAR
- K-Means是k_中心点法的聚类过程代码。
KClustering
- 能计算用户输入的聚类，并进行K分。 输出的结果为每次计算的中心点的坐标和每个点到中心的距离
knn
- knn 方法为k均值聚类用于数据点的分类
Classification
- 有关聚类的一些例子，主要是用人工数据点进行分类
k-means
- 空间数据分析中最常用的是聚类分析,而K-MEANS算法是聚类分析中常用的,其主要思想是在给定的聚类数目下对多维(我做的是三维空间点)向量进行聚类,
cure(Clustering)
- CURE（Clustering Using Representatives）是一种针对大型数据库的高效的聚类算法。基于划分的传统的聚类算法得到的是球状的，相等大小的聚类，对异常数据比较脆弱。CURE采用了用多个点代表一个簇的方法，可以较好的处理以上问题。并且在处理大数据量的时候采用了随机取样，分区的方法，来提高其效率，使得其可以高效的处理大量数据。
Length
- \\程序\\sj\\统计度、出度、入度、出权、入权、边权、点权分布程序\\sj\\计算最短路径和聚类系数2
C均植
- 模式识别中关于C均值的聚类算法的程序,输入点进行聚类.-pattern recognition on the C-means clustering algorithm procedures input cluster.
data4cluster-with-the-data
- 本例子附带数据通过K中心点聚类算法，将案例聚成4类，并计算相似性矩阵，用logrank函数检验P值-The example of incidental data by K center point clustering algorithm, the case clustered into four categories, and calculate the similarity matrix logrank function test P value
kmedoids1
- matlab下的k中心点聚类算法，matlab内置仅有k均值聚类算法-k under the center clustering algorithm matlab, matlab built-k-means clustering algorithm only
kmeans2
- 用于构建数据概要，用于分类、模式识别、假设生成和测试；用于异常检测，检测远离群簇的点。(Used to build data outlines for classification, pattern recognition, hypothesis generation and testing; for anomaly detection, detecting points away from the cluster.)
FCMClust
- 实现对点云的分类,利用该算法可以自动化的实现点云的分类(point cloud classification)
三维点云分割
- 通过java实现对三维点云进行分割，包括三种方法：基于法向量的、基于区域的、基于聚类的
TRACLUS-master
- 在线输入位置点，进行轨迹分类，直接画出图像，十分方便。(It is very convenient to input position points online, classify tracks and draw images directly.)