搜索资源列表
cjdkfoe
- 寻找k个聚类中心的算法，也就是对k-means算法初始化进行改进的一种算法
cluster_KM_DS
- 聚类研究，实现了基于距离，基于密度和改进算法-clustering, based on the distance to achieve, based on density and improved algorithm
birch算法
- 层次聚类算法中的birch算法 是对传统层次聚类算法的改进
imagesegment.rar
- 基于改进模糊聚类算法鲁棒的图像分割 对噪声图像提出的一种改进算法,Based on robust fuzzy clustering algorithm to improve the image segmentation
fuzzyC
- 遗传算法改进的模糊C均值聚类的matlab源程序,可以运行,格式需要更改-Improved genetic algorithm fuzzy C means clustering matlab source code, you can run, you need to change the format
052520
- 提出了一种用于矢量量化的改进的聚类算法,该算法在MKM(Modified K-Means)算法的框架的基础上,对初始码本的生成、失真测度的选择、*型胞腔的处理等方面进行了改进,从而减少了原算法在能量和增益上对聚类结果的影响.并将该算法应用于波形编辑孤立字识别器,这种识别器直接对语音样本的时域波形进行训练和聚类,不需要提取语音参数,算法复杂度较低,加上提出的聚类算法失真测度简单易实现,对芯片的运算能力要求不高,非常适用于有低成本要求的语音识别器场合.通过中文元音字识别的实验证明,在相同码本尺寸下
008
- 文对模糊C．均值(FCM)聚类算法的一种改进算法一特征加权的 FCM(WFCM)聚类算法，与FCM算法进行了测试比较。-Paper on fuzzy C. Mean (FCM) clustering algorithm An improved algorithm for a feature weighted FCM (WFCM) clustering algorithm, FCM algorithm was tested with the comparison.
face-detection-based-on--YUV
- ：根据肤色色度的分配比例，提出了一种改进YCbCr 的Bayesian 肤色检测方法，在肤色背景下，利用肤色和唇色在YUV 空 间分布特点，变换YUV 空间的坐标轴，增大唇色和肤色V 分量上的差异。提取了唇色的质心和旋转方向，根据人脸几何特征的先 验知识建立人脸定位模型。实验表明在改进的颜色空间内，肤色投影到CrCg 平面内得到更好的聚类效果。唇色定位人脸算法简 单，速度快，更具实效性，对旋转的人脸同样有效。-the files for the face recognization
clustersuvey
- 讲解了分层次聚类法、最简单聚类法、最大距离样本、K平均聚类法、叠代自组织聚类法、ISODATA法的改进等-Explain the hierarchical clustering method, the simplest clustering method, the maximum distance the sample, K mean clustering method, self-organizing clustering iterative method, ISODATA method of
Kohonen
- Kohonen网络的一种改进算法 研究神经网络聚类的可以参考-An improved algorithm of Kohonen network to study neural network clustering
HWFCM
- 几种混合模糊c均值聚类算法的改进文献，可供学习者参考-Several hybrid fuzzy c-means clustering algorithm literature, provide a reference for the learners
FCM聚类算法介绍
- FCM聚类算法介绍 FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。 模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。在介绍FCM具体算法之前我们先介绍一些模糊集合的基本知识。
DBSCAN
- dbscan聚类考虑特征相似度的具有噪声的基于密度的聚类(DBSCAN)改进算法. 其次,基于各类参数向量簇的各属性最大相似系数,计算获得各类参数向量簇的典型特征向量. 然后,基于各类的典型 特征向量,针对聚类结果中的噪声簇,提出了基于离群系数的可疑不良数据分布模型 在此基础上,结合分布规律,提出了基于可疑度的不良参数判别方法. 最后,通过实际算例验证了所述模型与方法的有效性.-Dbscan u806A u8003 u8651 u7279 u5F1 u7F8 u4F3C u5