搜索资源列表
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
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
fuzzy_cluster1
- fuzzy_cluster模糊聚类分析，本函数使用的是直接聚类法，直接输出聚类信息，无返回值 输入参数data是需要分类的数据，将会对data的列分类，请输入数据前把需要分类的向量按列保存到矩阵data 输入参数numda是分类的分类点，如果不知道可以先省略，系统默认1-0依次减小用以方便判断分割点，然后用户再细分- Fuzzy_cluster fuzzy clustering analysis, the function uses the clustering method i
kmeans
- k-means 算法用java实现对二维点集合的分类 输入相应的类别数 选择聚类中心-k-means algorithm to classify the input using java-dimensional set of points corresponding to the number of categories to select the cluster centers
dbscanPointcloud
- 用DBSCAN聚类算法实现的三维点云的聚类-using DBSCAN to realise 3d pointcloud clustering
k-means-2d-rand-point
- K_means经典聚类算法，用点阵可视化 通过产生随机点，不断更改中心点实现聚类-K Means classic clustering algorithm, with lattice visualization By generating random points, and constantly change the center point to achieve clustering
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