搜索资源列表
FCM
- 核聚类算法：聚类是将一组给定的未知类标号的样本分成内在的多个类别，使得同一类中 的样本具有较高的相似度，而不同类中的样本差别大。侧重于软聚类（模糊C-均值——FCM），但其描述手段同样适合于硬聚 类（HCM）等同类问题。-Clustering algorithm: cluster is a group of unknown samples given class label into internal multiple categories, so that the same class
自适应模糊C均值聚类
- 提供一种改进的模糊C均值聚类算法，该算法可以更好的提高聚类的精度
K-Means-master
- 模糊C均值聚类算法的PYTHON实现，在UCI的IRIS数据集上实现-Fuzzy C-means clustering algorithm PYTHON realization, implemented on UCI s IRIS data set
FCMCluster
- 模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称（ FCM）。在众多模糊聚类算法中，模糊C-均值（ FCM） 算法应用最广泛且较成功，它通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对样本数据进行分类的目的。- 模糊c-均值聚类算法 fuzzy c-means algorithm (FCMA)或称（ FCM）。在众多模糊聚类算法中，模糊C-均值（ FCM） 算法应用最广泛且较成功，它通过优化目标函数得到每个样本点
直觉模糊C均值聚类
- 对所获取的数据进行无监督的直觉模糊C均值聚类(intuitionistic fuzzy C-means clustering)