搜索资源列表
KNN
- 数据挖掘导论中的K近邻聚类算法，用C++编写而成。-Introduction to Data Mining of the K neighbors clustering algorithm, using C++ has been prepared by.
www
- 一本将基于近邻传播算法的半监督聚类的算方法书.对于聚类研究的很有帮助-Abstract: A semi-supervised clustering method based on affinity propagation (AP) algorithm is proposed in this paper. AP takes as input measures of similarity between pairs of data points. AP is an efficient a
DM_YeDan
- KNN(K最近邻)分类算法以及K-means(K均值)聚类算法是应用广泛的两种算法。本代码是在VS2010环境下，用 C++语言在基于KNN及K-means算法下，实现了对Iris数据集的分类与聚类。-KNN (K nearest neighbor) classification algorithm, as well as K-means (K mean) clustering algorithm is widely used two algorithms. The code VS2010 en
littleworld
- NW小世界网络的构成原则为：从一个环状的规则网络开始，网络含有N个结点，每个结点向与它最近邻的K个结点连出K条边，并满足N>>K>>In(N)>>1。随后进行随机化加边，以概率p在随机选取的一对节点之间加上一条边。其中，任意两个不同的节点之间至多只能有一条边，并且每一个节点都不能有边与自身相连。改变p值可以实现从最近邻耦合网络(p=0)向全局耦合网络(p=1)转变。在p足够小和N足够大时，NW小世界模型本质上等同于WS小世界模型。 -NW constitu
1
- 利用K-L变换进行人脸识别。首先求得待辨识图像相对于训练集平均脸的差值图像，然后求得该图像在特征脸空间中的坐标，最后采用最近邻法对图像进行归类。-KL transform for face recognition. Obtain the first image to be identified image with respect to the difference between the average face of the training set, and then obtain the
regress2beltak
- matlab实现使用统计学习基础中的最小二乘法和k-最近邻法进行分类。-matlab achieve statistical learning-based classification using the least squares method and k-nearest neighbor method.
knnclassifytoimg
- 对于遥感影像的K近邻分类器，并且将分类结果彩色显示出来，效果不错。-Knn classifier show the result
ConsoleApplication1
- K近邻 KNN分类器，读取水质处理数据，并分好类，一共四类-K neighbor KNN classifier, read the water quality data processing, and a good class, a total of four class
KNNC
- 提出基于优化K-最近邻域分类器(K-Nearest Neighbor Classifier,KNNC)的轴承故障模式识别方-proposed K-Nearest Neighbor Classifier（KNNC）， diagnosing method
KNNpython
- python实现的k-近邻算法，用于数据分类。机器学习实战-k- nearest neighbor python implemented for data classification. Machine learning combat
kNN
- 使用k-近邻算法改进约会网站的配对算法和使用k-近邻算法的手写数字识别系统-Use k- nearest neighbor matching algorithm to improve the dating sites and use of k- nearest neighbor handwritten numeral recognition system
mechine-learning
- 本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统