搜索资源列表
java-cluster.zip
- 用java语言实现文本聚类，包括聚类前的数据预处理：分词、降维、建立向量空间模型等,Implementation using java language text clustering, including clustering of the data pre-processing before: segmentation, dimensionality reduction, set up, such as Vector Space Model
KMeansJava
- 利用Java实现的K-均值算法，K-Mean 分群法是一种分割式分群方法，其主要目标是要在大量高纬的资料点中找出 具有代表性的资料点；这些资料点可以称为群中心，代表点；然后再根据这些群中心，进行后续的处理，可用于数据挖掘中的聚类分析-Java implementation using K-means algorithm, K-Mean grouping method is a fragmented grouping method, whose main goal is to a large nu
cluster
- 数据挖掘的一个clustering方法，主要是k-meas算法，帮助理解clustering-an algorithm of clustering in data mining
hadoop-0.1.0.tar
- Hadoop是一个用于运行应用程序在大型集群的廉价硬件设备上的框架。Hadoop为应用程序透明的提供了一组稳定/可靠的接口和数据运动。在 Hadoop中实现了Google的MapReduce算法，它能够把应用程序分割成许多很小的工作单元，每个单元可以在任何集群节点上执行或重复执行。此外，Hadoop还提供一个分布式文件系统用来在各个计算节点上存储数据，并提供了对数据读写的高吞吐率。由于应用了map/reduce和分布式文件系统使得Hadoop框架具有高容错性，它会自动处理失败节点。已经在具有60
ex-12
- K-Means.java K-means分群法(組數資料皆不固定，開小視窗選檔案:A or B or iris，10 runs + output至Excel)-K-Means.java K-means grouping method (the number of data groups, none is fixed, to open a small window, select the file: A or B or iris, 10 runs+ output to Excel)
cluster
- K means clustering of data implemented for all kinds of data-K means clustering of data implemented for all kinds of data...
k-means_Program
- k-means 算法接受输入量 k ；然后将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。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 -k-means algorithm to accept input k then n-k of data objects into a cluster in order to make the cluster available to meet: t
dbscan
- Density Based Spatial Clustering of Applications of Noise Uses a density-based notion of clusters to discover clusters of arbitrary shapes, in spatial databases Key idea: for each object of a cluster, the neighborhood of a given radius contains
kmeansclustering
- this is java program which can be used for cluster the data using kmeans clustering
Clustering
- it is an clustering algorithm to make data cluster for semantic web services
K-means
- kmeans算法， K-means算法是最为经典的基于划分的聚类方法，是十大经典数据挖掘算法之一。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果-kmeans algorithm, K-means algorithm is the most classic divide-based clustering method is one of the top ten classical data mi
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
Untitled4
- 读取文件中的数据，并为数据用statistic toolbox进行分类-read the data from the file and cluster it.
memcache-common
- memcache集群测试客户端，通过多线程并发测试，对memcache集群的性能、数据完整性进行测试-memcache cluster test client, through a multi-threaded concurrency testing, memcache cluster performance, data integrity testing
Fk-menas
- 基于Hadoop的模糊K-Means算法，在MapReduce框架下编写，经集群测试成功运行。压缩包中包含源码和实验数据-Hadoop-based fuzzy K-Means algorithm, written in the MapReduce framework, through the cluster test run successfully. Compressed package contains the source code and experimental data
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
kmeans
- k-means clustering is a method of vector quantization, originally signal processing, that is popular for cluster analysis in data mining. k-means clustering aims to partition n observations into k clusters in which each observation belongs to the clu
NewBlogOnline
- java代码，sql数据库,功能完善，欢迎下载基于 java / jsp 技术构建的博客系统，不同于asp、php语言的博客系统，blog4j采用三层架构（展现层、业务层、数据层）、基于WEB 2.0相关技术、且支持分布式集群化部署，有着易扩展、高性能等特性，是中大型博客网站的理想博客系统解决方案。(Java code, SQL database, perfect function, welcome to download the blog system based on Java / JSP