搜索资源列表
K_CenterPoint_PAM
- k中心点算法，也就是PAM算法。是数据挖掘中聚类分析的一种手段，用途广泛。-k center algorithm, i.e. PAM algorithm. Data mining is a means of cluster analysis, and versatile.
cPP-isodata
- ISODATA聚类算法，显示聚类中心及每个类别的样本点-ISODATA clustering algorithm, cluster center display sample point and each category
my-k-means
- 这是一个k-means聚类算法，将一个四维量（比如有明确物理意义的花瓣长宽花萼长宽)按照几个中心点分成几类-This is a k-means clustering algorithm, a four-dimensional volume (such as a clear physical meaning petals calyx length and width aspect) is divided into several categories according to several ce
apcluster
- 聚类算法是应用于数据挖掘和模式识别中很重要的一种分析方法，ap是新提出的一种聚类算法，不需要事先指定聚合点的数目-Affinity Propagation (AP) clustering has been successfully used in a lot of clustering problems. However, most of the applications deal with static data.
GAKMeans
- 由于Kmeans聚类分析是一个局部的搜索过程，因此加入遗传算法进行全局搜索选择最优的初始中心点使得Kmeans算法产生较大的改进-Since Kmeans Cluster analysis is a local search process, so join a global search for the genetic algorithm to the optimal initial centers such Kmeans algorithm produces greater improve
DBScan03
- DBScan算法实现，用Java高级编程语言正确实现DBSCAN算法，DBScan是一种基于密度的聚类算法，它有一个核心点的概念：如果一个点，在距它e的范围内有不少于MinP个点，则该点就是核心点。核心和它e范围内的邻居形成一个簇。在一个簇内如果出现多个点都是核心点，则以这些核心点为中心的簇要合并。最终输出找到的簇及其数据点。-DBScan algorithm, using high-level programming language Java is implemented correctly
outlier
- 离群点检测的算法，适应于MATLAB，包含关于距离和LOF的聚类算法-Outlier detection algorithm, adapted to MATLAB, including distance and LOF clustering algorithm
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
K_Means
- K-Means是聚类算法中的一种，其中K表示类别数，Means表示均值。顾名思义K-Means是一种通过均值对数据点进行聚类的算法。K-Means算法通过预先设定的K值及每个类别的初始质心对相似的数据点进行划分。并通过划分后的均值迭代优化获得最优的聚类结果。(K-Means is one of the clustering algorithms, in which K represents the number of classes, and Means means the mean. As t
globle_kmeans
- 全局k-means算法，可有效解决传统k-means算法受初始点影响的缺陷，该方法可获得数据稳定的聚类结果。
聚类
- 相似性划分，Q型聚类，是理想的多变量统计技术，主要有分层聚类法和迭代聚类法。 聚类分析也称群分析、点群分析，是研究分类的一种多元统计方法。(Similarity classification and Q clustering are ideal multivariate statistical techniques, including hierarchical clustering and iterative clustering. Cluster analysis, also known a
AP聚类算法和案例
- ap聚类算法实现三维数据点的分类，demo为案例(AP clustering algorithm realizes the classification of data points, demo as a case.)