搜索资源列表
MyKmeans
- 实现聚类K均值算法： K均值算法：给定类的个数K，将n个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小。 缺点：产生类的大小相差不会很大，对于脏数据很敏感。 改进的算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）
k_medoids
- 聚类算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了，下面就再转到2。 4，这样循环直到K个medoids固定下
oi
- 聚类和分类技术在生物信息学中的应用，不包含源代码！-Clustering and classification technology in bioinformatics applications, does not contain the source code!
beamforming
- hay nen lay file nay di cac ban oi
forniseight
- ws wsb wswysuy wswysk oi wuysywxubkjwyx ywuxywkh yywxwhyuwio ul lj ijljh
RDPTA
- Algorithm Given are P training pairs {X1,d1,X2,d2....Xp,dp}, where Xi is (n*1) di is (n*1) No of Categories=R. i=1,2,...P Yi= Augmented input pattern( obtained by appending 1 to the input vector) i=1,2,…P In the following, k denotes the training step
20090322
- 一、算法伪码： 1、初始化： 1.1每一个空间的点映射到二维窗格，每个空间的点分配唯一的二维窗格坐标。一个窗格只能有一个点。 1.2为每一只蚂蚁在二维窗格分配唯一的地址 （第一步需要注意的是：空间上点的位置和平面窗格上点的位置完全是两回事，空间上两个点的位置来计算两点之间的距离；而平面上点的位置，主要是用来确定半径为S的区域内的点，计算两个点的空间距离，进而计算群体相似度，最后通过群体相似度来计算拾起或者放下的概率） 2、迭代tmax次 3、所有的蚂蚁运动一次