搜索资源列表
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
Ckmedoids
- K-mean算法,并通过了IRIS数据的测试。-K-mean algorithm, and through the IRIS data testing.
kmean
- k-means 算法的工作过程说明如下:首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象,则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)聚类;然后再计算每个所获新聚类的聚类中心(该聚类中所有对象的均值);不断重复这一过程直到标准测度函数开始收敛为止。-k-means algorithm process as follows: First of all, the object data from the n choose k
clara
- CLARA是基于k中心点的一种划分方法的实现,区别于别的划分方法,Clara是用于大规模分类运用方法的简称,可以实现对大规模数据的分类-CLARA(abbreviated from clustering large applications), is based on the k-medoid appraoch, which can be useful in clustering large data sets.
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
- 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
Clustering
- 对数值型数据进行聚类:实现了K-means和FCM算法-K-means,fuzzy c means
Kjunzhi
- 老师布置的作业,另一种K均值的算法,对数据比较多的分类效果较好。-Teacher assignments, and the other K-means algorithm, the classification of data more effective.
FB_DataMing_kmeans
- k-means数据挖掘算法,基于kmeans聚类算法工艺参数基准值的挖掘-mining data mining of the k-means algorithm, based on the kmeans clustering algorithms process parameters reference value
K_means
- k均值算法实现聚类,利用数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则-k-means clustering algorithm, the use of the data points to the prototype of a distance as the objective function of optimization, the use of function extremum iteration adjustment rules
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
- 在数据挖掘课堂中 老师要实现的k均值算法 做一些简单的点的分类-In data mining classroom teacher to achieve k-means algorithm to do some simple points classification
CPP
- 基于K-均值聚类算法的数据分类方法C++实现-K-means c++
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.
kounie
- 基于K均值的PSO聚类算法,多元数据分析的主分量分析投影,包含了阵列信号处理的常见算法。- K-means clustering algorithm based on the PSO, Principal component analysis of multivariate data analysis projection, Contains a common array signal processing algorithm.
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.)