搜索资源列表
MyKmeans
- 实现聚类K均值算法： K均值算法：给定类的个数K，将n个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小。 缺点：产生类的大小相差不会很大，对于脏数据很敏感。 改进的算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）
k_algorithm
- K-均值算法的c语言实现，他是一种基于样本间相似性度量的间接聚类方法。-K-means is a VQ method based on the similarity of the samples. This is a C language source code for K-means algorithm.
练习一源程序
- K-means一个用C++实现的聚类算法 -K-C means to achieve a clustering algorithm
Clusterdemos-src
- 一个k-means算法的改进。使用了模糊聚类的方法，并且有演示过程。-a k-means algorithm improvements. The use of fuzzy clustering method, and a demonstration of the process.
RBF
- 使用k均值聚类的方法生成一个rbf网络，各种参数与网络各层输出的调节非常灵活-construct a rbf neural network using k-means clustering
moshishibie
- 基于matlab的模式识别基础实例源代码，包括贝叶斯分类器，Fisher线性判别，主成分分析，k均值聚类等。-Based on pattern recognition based matlab examples of source code, including Bayesian classifier, Fisher linear discriminant analysis, principal component analysis, k-means clustering.
Kmeans
- 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-K-means clustering algorithm is to randomly K objects as the initial cluster centers. Then calculate the distance of each object and each seed cluster centers, assigning each objec
k_means
- 这是数据挖掘中的k均值聚类算法，用java语言编写的，对于搞聚类的人士很有帮助-This is the data mining k-means clustering algorithm, using java language, for persons engaged in clustering helpful
k
- k-means实现聚类算法的程序，简单易懂，适合初学者-K-means clustering algorithm to achieve the procedure, easy to understand, suitable for beginners
Matlabalgorithmlibrary
- MATLAB算法库，包含K均值聚类-分类模型，logistics回归-用于决策，非线性拟合，回归分析模型，支持向量机SVM-用于分类决策，主成分分析PCA-用于决策，TXT格式，适用于数学建模-MATLAB algorithm library, including K-means clustering- classification model, logistics regression- for decision making, nonlinear fitting, regression an
kMean
- k均值聚类的matlab代码，包含有样本间距的矩阵求解程序。-k-means clustering matlab code, comprising sample matrix solvers pitch.
K_means
- 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。-k-means algorithm
KMeans
- K目标跟踪中的K均值聚类法，根据预测坐标进行初始化-K means algorithm
KMeans_hard
- 实现K均值聚类，N为分类个数，data作为输入数据，re为输出带标签数据，u是最终聚类中心(To achieve K means clustering, N is the number of classification, data as input data, re as output tag data, and u is the final clustering center)
cskmeans
- k均值聚类 算法接受参数 k ;然后将事先输入的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。(kmeans cluster K means clustering algorithm accepts parameters K; N data object classification and the previously inpu
81801236k.matlab
- 利用matlab实现k均值聚类算法，亲自调试通过，对于学习k均值聚类算法有很大帮助(Using MATLAB to achieve K means clustering algorithm, personally debugging through, for learning K mean clustering algorithm is very helpful)
3126139
- 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()
djcbmenh
- 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()
43282922
- 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()
IABC-KMC-master
- ABC蜂群算法含有K均值聚类的改进的算法(Improvement of ABC colony algorithm with K-means clustering)