搜索资源列表
FCM的一种实现方法
- 请运行程序，并在程序所在文件夹下面创建文本文件：datain.txt和paramOut.txt，文件的详细说明见下面。程序的运行没有可视的界面，运行完毕之后会在该文件夹下面产生center.txt和matrix.txt两个文件，其中center.txt为聚类的中心，matrix.txt为隶属度矩阵。在运行本程序之前，先参考一下FCM聚类算法介绍.doc
mean-K-KPCA
- 通过核 K- 均值聚类的方法对语音帧进行聚类 , 由于聚类的中心能够很好地代表类内的特征, 用中心样本帧取代该类, 减少了核矩阵的维数, 然后再采用稀疏 KPCA方法对核矩阵进行特征提取。-Through the nuclear K-means clustering method for clustering of speech frames, the cluster center can be a good representative of the class characteristics
Arithmetic
- Aprior算法，Fp树算法，K均值，k中心点聚类算法，都可实现-Aprior algorithm, Fp tree algorithm, K-means, k center clustering algorithm can be realized
cPP
- C++简单实现K-Means聚类算法 (2,10), (2,5), (8,4), (5,8), (7,5), (6,4), (1,2), (4,9), (7,3), (1,3), (3,9) （红色的表示初始所选的中心点） K-means算法介绍可参考其他资料或书籍。-C++ simple implementation of K-Means clustering algorithm(2, 5), (2, 5), (8,4), (5,8), (7,5), (6,4), (1,2), (
语音聚类示例
- 实验示例是基于语音中的mfcc，语音倒谱特征来进行聚类，先利用训练样本来计算训练样本聚类中心（用到了lbg算法），之后再进行分类。 注意：使用代码时需要自己更改文件路径。(This example is based on the MFCC in speech and the feature of speech Cepstrum to cluster. First, the training sample is used to calculate the training sample clus