搜索资源列表
k-meanssom
- k-means som 层次聚类 算法比较-k-means clustering algorithm level som comparison
一种新的聚类分析距离算法
- K均值是一个预先知道类数的算法，需要具备专业知识，不现实。本文提出一个确定类数的方法。-K is a means to know in advance the number of categories algorithm, requires expertise and unrealistic. This paper presents a number of categories to determine the method.
JavaPrg
- 聚类算法Java文件-K-Means Cluster Java.........................
1
- 聚类分析（K-Means)程序实现及展现(-Cluster analysis (K-Means) to achieve and demonstrate procedures (
TextClustering
- 文本聚类算法包含 tfidf的实现 k-means算法的实现-Text clustering algorithm contains tfidf implementation of the k-means algorithm to achieve
KMEANS
- 输入：聚类个数k，以及包含 n个数据对象的数据库。输出：满足方差最小标准的k个聚类。处理流程： （1）从 n个数据对象任意选择 k 个对象作为初始聚类中心. （2）根据每个聚类对象的均值（中心对象），计算每个对象与这些中心对象的距离；并根据最小距离重新对相应对象进行划分；（3）重新计算每个（有变化）聚类的均值（中心对象） （4）循环（2）到（3）直到每个聚类不再发生变化为止-Input: number of clusters k, and n data object contains a
Kmeans
- K-均值聚类算法，是一种随机选取数个数据中心进行点聚类处理进而生成分类的数据挖掘算法，具有很好的学习功能。-K-means clustering algorithm is a randomly selected number of data center point clustering process thereby generating classification data mining algorithms, with good learning function.
kmeans_report
- Java 实现k-means 聚类算法，分别以迭代次数及分配不再发生变化为算法终止条件，用图片作为数据集，比较运行时间-Java implementation of k-means clustering algorithm, respectively, and the distribution of the number of iterations of the algorithm terminates no change in the conditions, with a picture (o
Kmeans
- k均值聚类算法代码, k均值聚类算法代码-k-means clustering algorithm code, k-means clustering algorithm code
_k_means_picture
- K-means聚类算法 用于图像处理 JAVA语言编写，聚类中值算法可运行-k-means clustering algorithm image processing
K_Means
- k-means 算法的工作过程说明如下：首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。下面给出我写的源代码。-work process k-means al
K-meansjava_v1
- 用k-means算法进行聚类分析（java）。已运行成功。-By k-means clustering analysis algorithm（java）. Has been running successfully.
k-Means
- k-means算法的java实现，自动聚类算法。是基于距离来进行聚类-k-means algorithm to achieve the java automatic clustering algorithm. Based on the distance to the cluster
CanopyExm
- Canopy聚类算法是一个将对象分组到类的简单、快速、精确地方法。每个对象用多维特征空间里的一个点来表示。这个算法使用一个快速近似距离度量和两个距离阈值 T1>T2来处理。 Canopy聚类算法能快速找出应该选择多少个簇，同时找到簇的中心，这样可以大大优化 K均值聚类算法的效率 。-Canopy is a clustering algorithm to group objects into simple categories, fast, accurate method. Each obj
KMeans2
- kmeans算法的Java实现。算法接受参数 k 然后将事先输入的n个数据对象划分为 k个聚类以便使得所获得的聚类满足:同一聚类中的对象相似度较高 而不同聚类中的对象相似度较小。-k means algorithm is implemented in Java. Receiving algorithm parameter k and n data objects entered beforehand into k clusters in order to satisfy such cluste
WawaKMeans
- WawaKMeans的算法实现，用Wawa实现K-means聚类算法与MapReduce实现的算法进行对比-WawaKMeans algorithm implementation, using K-means to achieve Wawa clustering algorithm and MapReduce implementation of the algorithm to compare
clusterTest
- 用java语言实现k均值聚类的代码demo，可直接运行,无需调试。-Using java language k-means clustering code demo, it can be run directly without debugging.
src
- 实现在Hadoop平台上分布式环境上的K-means聚类，随机选取中心点后进行分类-Implementing K-means clustering on a distributed environment on the Hadoop platform, sorting randomly after selecting the center point
python-cure-implementation-master
- Python实现的cure聚类算法和K-means算法(python-cure-Kmeans-implementation)
Kmeans
- 算法思想：提取文档的TF/IDF权重，然后用余弦定理计算两个多维向量的距离来计算两篇文档的相似度，用标准的k-means算法就可以实现文本聚类。源码为java实现(Algorithm idea: extract the TF/IDF weight of the document, then calculate the distance between two multidimensional vectors by cosine theorem, calculate the similarity