搜索资源列表
KMeansV
- k-means聚类算法在二维平面上的可视化实现 聚类时可以设置类数和迭代阈值 聚类结果用色彩和类圆清楚的表现出来-k-means clustering algorithm in a two-dimensional plane with the Visualization of clustering can be set up several categories and iterative threshold Clustering results using color and clas
k-means-and-cure-in-Iris-Data-Set
- 聚类算法实验,采用两种不同类型的聚类算法:基于划分的聚类方法k-means和基于层次的聚类方法CURE，采用的数据集是：Iris Data Set，数据集中共包含150组数据信息。 材料中有详细的说明文档，具体介绍了算法实现的细节，很容易理解-Clustering algorithm experiment, using two different types of clustering algorithm: Partition-based clustering method k-means
k_means
- 常用的k平均聚类 用于聚类分析 代码实现适用的是matlab-k means cluster applied to cluster analysis coded by matlab
k_means
- 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。-In statistics and machine learning, k-means clustering is a method of cluster analysis which aims to partition n observations into
KMEANS
- 实现k均值聚类算，输出聚类中心和聚类后的分组结果-To achieve k-means clustering calculation, the output cluster centers and cluster grouping of the results of post-
kmeans
- 数据挖掘里面的经典的聚类算法 K-means-K-means
kmeans-in-statistics
- 这是K-means聚类算法的源代码，可实现任意多统计数据的归类处理。代码为原创，用途主要在数理统计方面，而不是常见的图像处理等方面。内附详细的使用说明。-This is the K-means clustering algorithm source code, enabling the classification of any number of statistical data processing. Code for my original, uses mainly in mathemat
k-meanscluster
- K-means聚类算法的VC实现，算法简单-K-means clustering algorithm to achieve VC algorithm is simple
kmean
- k-means聚类算法的C++实现程序，简单好理解。-k-means clustering algorithm to achieve C++ program, a simple easy to understand.
k_means
- 功能完善的、代码简单清晰、注释良好的k均值聚类算法-The function is perfect, code simple clear, annotation good k-means clustering algorithm
k-means-clustering
- 用C语言程序通过先随机选取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。-C Programming Language by first randomly selected the K object as initial cluster centers. And then calculate the distan
K-means
- 修改参数可以实现任意样本总数，任意维数，任意聚类中心个数的K-Means Algorithm-The modify parameters can achieve any total number of samples, any dimension, any number of cluster centers K-Means Algorithm
src
- k-means 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。-k-means algorithm accepts parameters k n and the previously input data is divided into k-clustering objects in order to make
KMeans
- K-均值聚类算法，属于无监督机器学习算法，发现给定数据集的k个簇的算法。 首先，随机确定k个初始点作为质心，然后将数据集中的每个点分配到一个簇中，为每个点找距其最近的质心， 将其分配给该质心对应的簇，更新每一个簇的质心，直到质心不在变化。 K-均值聚类算法一个优点是k是用户自定义的参数，用户并不知道是否好，与此同时，K-均值算法收敛但是聚类效果差， 由于算法收敛到了局部最小值，而非全局最小值。 K-均值聚类算法的一个变形是二分K-均值聚类算法，该算法首先将所有点作为一个簇，然
Kmeans
- 利用java实现了k-means聚类，数据集是由Math.random函数产生的。-K-means clustering was achieved with Java.The data set was created by Math.random.
k-means-cluster
- 运用k均值的方法按照一定的规则将离散的数据进行聚类处理-Using k-means method in accordance with certain rules discrete data clustering
k
- 用K均值聚类分析把多组数据分成两类 本程序为给定20组数据（用矩阵A表示）分成B、C两组。-K-means clustering analysis of the multiple sets of data into two categories This program is given 20 sets of data (represented by the matrix A) into B, C groups.
K-means
- K均值聚类方法，用于图像处理，图像分割，提取不同特征。-K-means clustering method
clustering-index
- 欢迎使用和评述此工具箱，您的意见是对我们工作的支持。 此工具适合于不同有效性指标的性能比较，改进代码用于不同的应用问题等等。 (1) NCT的内容 NCT包括4个外部有效性指标和8种内部有效性指标，编制的程序文件"validity_Index.m"用于调用它们 (2) 主文件 "mainClusterValidationNC.m" 的内容 主文件设计为如何使用PAM聚类算法、如何使用有效性指标和方法来估计聚类个数。(H
k-means算法2
- 使用该算法可以实现数据的聚类分析，非常适合初学者。(The algorithm can be used to achieve clustering analysis of data, ideal for beginners.)