搜索资源列表
Kmeans
- 统计学中，聚类的划分K-means算法，可以较好地实现不同数据点之间的分离-K-means algorithm used to do partition in a large amount of data points
kmeansmatlab
- 用Kmeans聚类方法实现随即点的分类，在二维平面上以均匀分布随机多个点，输入所需聚类数以得到聚类结果-Classification and clustering results to obtain a uniformly distributed random multiple point, enter the desired number of clusters in a two-dimensional plane the Kmeans clustering method immediatel
K-medoids-with-the-analysis-
- 基于聚类的K中心点算法，附带说明文档，代码简单高效，很好的利用了矩阵的代数运算。数学思想较为高深，但通过仔细研读说明文档和动手操作，matlab数学分析能力可以得到有效的提高-K medoids clustering annotated document, the code is simple and efficient, good use of matrix algebra operations. Mathematical thinking is more profound, but by c
kmeans_with_outlier_eliminate
- 自己写的kmeans聚类并消除异常点的matlab代码。-kmeans clustering matlab code with outliers eliminate.
small-world-networks
- 1998年, Watts和Strogatz 提出了小世界网络这一概念,并建立了WS模型。 实证结果表明,大多数的真实网络都具有小世界特性(较小的最短路径) 和聚类特性(较大的聚类系数) 。 WS小世界模型构造算法 1、从规则图开始：考虑一个含有N个点的最近邻耦合网络，它们围成一个环，其中每个节点都与它左右相邻的各K/2节点相连，K是偶数。 2、随机化重连：以概率p随机地从新连接网络中的每个边，即将边的一个端点保持不变，而另一个端点取为网络中随机选择的一个节点。其中规定，任意两个不同的
rs-rr-order
- 水文趋势、突变点分析的matlab相关程序：相关系数法、极差 标准差RS法、有序聚类法-Hydrological trends point mutation analysis matlab procedures: correlation coefficient method, very poor standard deviation RS method, sequential clustering method
k_mean
- k-mean算法实现，总要是完成数据的聚类，寻找中心点的程序！-k-mean algorithm, if the completion of the total clustering of data, find the center of the program!
k_mean
- 运用k_mean算法，实现对指标点的聚类分析，然后找出其中的中心点。-Use of k_mean algorithm, realize the index point of clustering analysis, and find out the center.
CollectAnaly
- 5层的MATLAB聚类分析的算法，输入需要进行分析的数据，点击运行即可得出聚类结果-MATLAB cluster analysis of 5 layer algorithm, input the need for analysis of the data, click Run to get the clustering results
fcm-brain
- 利用matlab软件编写模糊聚类算法，将脑叶图片不同像素点分离-Software written using matlab fuzzy clustering algorithm, the lobe separation of different pixel images
kmeans_clustering
- 完成函数function label =kmeans_clustering(data, num)，其中输入变量data为N行m列，每一行为一个数据点，num为聚类数目；输出变量label为N行1列，表示对应的数据点属于哪一类。-Complete function function label = kmeans_clustering (data, num), wherein the input variable data to N rows by m columns, each act a dat
k-medoids
- 聚类算法中的k-medoids算法，和 k-means 肯定是非常相似的。事实也确实如此，k-medoids 可以算是 k-means 的一个变种。k-medoids 和 k-means 不一样的地方在于中心点的选取，在 k-medoids 算法中，我们将从当前 cluster 中选取这样一个点——它到其他所有（当前 cluster 中的）点的距离之和最小——作为中心点。-Clustering algorithm k-medoids algorithm, and k-means is certa
Kmeans
- K均值聚类分析的matlab算法程序，用于对一系列的数据点进行聚类分析。-K-means clustering algorithm MATLAB program.
smmc
- 处理多流形聚类问题，从相似性矩阵的角度出发，充分利用流形采样点所内含的自然的局部几何结构信息来辅助构造更合适的相似性矩阵并进而发现正确的流形聚类。-Handle multiple manifolds clustering problem, the perspective of the similarity matrix starting, make full use of local natural manifold geometry information contained samplin
two-K-means
- K-means聚类算法，该程序是两个中心点的聚类方法，比较实用-K means clustering algorithm, the program is two center clustering method, practical
kmeans
- K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是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 is hard, is a typical prototype-based clustering methods on behalf of the objective function, it is a method of data points to a certain d
AIRSAR_SanFrancisco
- 对旧金山海岸的极化SAR数据进行分类。根据图像像素点的散射特性采用Freeman分解对图像进行分类，利用wishart聚类算法聚类。最后得到极化sar数据的分类结果。保证了图像的极化特性和散射特性-Polarimetric SAR data to classify the coast of San Francisco. Freeman decomposition using the image classification, clustering clustering algorithm bas
cluster
- 使用本章学习的K－平均算法，以颜色分量（或几何性状）作为坐标参数，对景象图进行聚类分析，要求最后的分类结果将路标（可能包括少量相似区域）聚类为一个模式类别。要求给出样本模式点，绘制坐标图（标出各个聚类中心的迭代移动轨迹），绘制算法框图，给出结论。并检查上机结果。-Use this learn K - average algorithm to color components (or geometric characters) as coordinate parameters, clusteri
vyyvsvsr
- 采用的是脉冲对消法，IDW距离反比加权方法，可实现对二维数据的聚类，表示出两帧图像间各个像素点的相对情况，从先验概率中采样，计算权重。- It uses a pulse of consumer law, IDW inverse distance weighting method, Can realize the two-dimensional data clustering, Between two images showing the relative circumstances of eac
uvqzzxmc
- 包括AHP，因子分析，回归分析，聚类分析，复化三点Gauss-lengend公式求pi，最小二乘回归分析算法，脉冲响应的相关分析算法并检验，用于特征降维，特征融合，相关分析等,实现了对10个数字音的识别，用MATLAB实现的压缩传感。-Including AHP, factor analysis, regression analysis, cluster analysis, Complex of three-point Gauss-lengend the Formula pi, Least-sq