搜索资源列表
K均值
- 本程序通过k均值算法对两类进行分类。通过任意选择初始点，由k均值很快找到两类的中心点-the procedure k means algorithm to classify two types. Through arbitrary choice initial point, k Mean quickly found two focal point
K均值算法
- 实现K均值算法，读取文件，实现K均值的分类。-K-means algorithm to achieve, reading the paper, K-mean achievement category.
k-meansgaijin
- 数据挖掘中的一个聚类算法k-means。-data mining clustering algorithm of a k-means.
K-MEANS
- k－mean算法的源码，对聚类非常有用！！可以直接使用！
k-means
- 数据挖掘中的k均值算法，应该属于聚类分析的，c语言版。
k-means
- 这是K均值算法,采用c语言编写,K的取值为2,大家可以改变K的值来进行测试
k-mean
- K-means聚类算法的java实现描述！有详尽的说明，对初学者非常有用！
K－均值聚类算法C++编程
- K-均值聚类算法的编程实现。包括逐点聚类和批处理聚类。K－均值聚类的的时间复杂度是n*k*m，其中n为样本数，k为类别数，m为样本维数。这个时间复杂度是相当客观的。因为如果用每秒10亿次的计算机对50个样本采用穷举法分两类，寻找最优，列举一遍约66.7天，分成3类，则要约3500万年。针对算法局部最优的缺点，本人正在编制模拟退火程序进行改进。希望及早奉给大家，倾听高手教诲。-K-means clustering algorithm programming. Point by point, inc
以K－均值聚类结果为初始解的模拟退火聚类
- 由于K－均值聚类算法局部最优的特点，而模拟退火算法理论上具有全局最优的特点。因此，用模拟退火算法对聚类进行了改进。20组聚类仿真表明，平均每次对K结果值改进8次左右，效果显著。下一步工作：实际上在高温区随机生成邻域是个组合爆炸问题（见本人上载软件‘k－均值聚类算法’所述），高温跳出局部解的概率几乎为0，因此正考虑采用凸包约束进行模拟聚类，相关工作正在进行。很快将奉献给各位朋友。-as K-means clustering algorithm for optimal local character
dataMining.rar
- 数据挖掘的软件，集成了关联规则、k-均值聚类、模糊聚类、k-中心点聚类四种算法,software of data mining
knn.rar
- k近邻（knn）分类的文献，英文的，从IEEE下载得到，希望对大家有用,k neighbors (knn) classification of literature, English, and download from the IEEE has been the hope that useful for everyone
K-means-clutering-algorithm
- K均值算法，用于数据聚类，是一切数据聚类学习的基础，经常被后来学者学习和改进-K-means clubing algorithm
K-means-clustering-algorithm
- k均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目k，k由用户指定，k均值算法根据某个距离函数反复把数据分入k个聚类中。-K-means clustering is one of the most famous partitioning clustering algorithm, due to the simplicity and efficiency makes him become the most widely used
KMeans
- 基于matlab语言编译的用于实现聚类的k-means函数(K-means function compiled by MATLAB language for clustering)
kmeans1
- 实现k-means算法的matlab代码(the matlab code of the k-means algorithm)
Clustering-master
- 深度学习中，用matlab对k-means算法进行了实现，运行效果还不错，第一次上传文件，多多指教(The k-means algorithm is implemented.)
kmean
- 一个学习k均值聚类的实例，代码实现了其基本原理，简单易懂，带有测试，训练数据集，可直接上手操作(A learning k-means clustering example, the code to achieve its basic principles, easy to understand, with a test, training data set can be used directly)
k-means
- 对样本数据进行聚类,使得聚类精确率足够的高，就可以达到聚类效果了(Clustering the sample data, and the clustering precision is high enough to achieve the clustering effect.)
20170110_KMeans
- 在花卉数据集上，用Java实现的简单K-means算法。(In flower dataset, a simple K-means algorithm is implemented by Java.)
Kmeans_java
- 使用Java语言实现了简单的K-Means聚类算法(A simple K-Means clustering algorithm is implemented in Java language.)