搜索资源列表
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.
js表格翻页_APOLLO改进_改进为类_eval最终版
- /*------------------------------------------------------------------| | AjaxTablePage 1.01 | AJAX数组表格分页类 | |-------------------------------------------------------------------| | Copyright (c) 2009 Apollo Updated: 2009年2月5日9:44:56| | | | 调用方式： | var
apcluster
- 无监督聚类算法,能够自动聚类,不必预先给出类数,聚类精度好于常用的聚类算法.-Unsupervised clustering algorithm, can automatically cluster, do not have to give in advance the number of categories, clustering accuracy of better than commonly used clustering algorithm.
segmentation
- 基于K均值算法和互信息熵差的算法，可以有效地确定分类数,从而该算法对医学图像进行自动优化分割。-K means algorithm based on entropy and mutual information algorithms, can effectively determine the classification number, so that the algorithm for automatic optimization of medical image segmentation.
LayerCluster
- 基于层次划分的最佳聚类数确定方法
k
- k平均聚类所谓k均值聚类方法是一种无监督的学习算法，它能用已知类数的数据聚类和预测。-k-average clustter
bp-fenge
- 对图像进行了预处理，同时确定了图像的分类数，对图像进行了基于自组织特征映射的图像聚类处理。-Of the image of the pre-processing, while identifying the classification of the image the number of pairs of images based on self-organizing maps clustering image processing.
YE
- 在原始的fcm算法基础上，对算法中的聚类数c和加权指数m给出优选方法，进而而出了fcm参数优选自适应算法，通过人造数据与具有实际背景的数据验证可以看出该算法是有效的，该算法不但可以自适应的给出最佳的聚类数，而且可以验证聚类的有效性，达到最佳聚类的目的。-In the original fcm algorithm based on the number of clusters on the algorithm and the weighted index m given c preferred m
fcmC
- 这是一种优化的FCM算法 可以自动确定分类数 有关于c,m的改进-This is an optimization of the FCM algorithm to automatically determine the number of categories on the c, m improvement
meanshiftsegmentation
- 均值漂移图像分割测试程序,使用meanshift算法对彩色图像进行聚类分割，效果很好，并且显示使用时间、找到的类数，另包含RGB与LUV颜色空间的互相转换，图片矩阵数据转为降维数组等，程序中有详尽的注释和说明，并且配有测试结果图片，非常适合计算机视觉、机器学习、模式识别的朋友参考-failed to translate
fcmC
- 在原始的 fcm 算法基础上，对算法中的聚类数 c 和加权指数 m 给出优选方法， 进而而出了 fcm 参数优选自适应算法，通过人造数据与具有实际背景的数据验证可以看出 该算法是有效的，该算法不但可以自适应的给出最佳的聚类数，而且可以验证聚类的有效性， 达到最佳聚类的目的-Fcm algorithm in the original, based on the number of clustering algorithms and the weighted index m given
4842264ga_improve_fcm
- 遗传算法主要是三个算子的作用，而聚类对初始中心和分的类数确定很差，本思想吧两者的优点联系到了一起(The genetic algorithm is mainly the function of three operators, and the clustering is very bad to the initial center and the class number of the Division)
聚类k-means
- 一个非常简单的kmeans算法，主要用于聚类分析，用户仅需要输入聚类数(A very simple kmeans algorithm, mainly for clustering analysis, users only need to enter the number of clusters)
最优聚类数
- 运用matlab软件可实现矩阵的最优聚类数的计算(Using matlab software can realize the matrix calculation of the optimal number of clusters)
julei
- 聚类算法是给一大堆原始数据，然后通过算法将其中具有相似特征的数据聚为一类。 这里的k-means聚类，是事先给出原始数据所含的类数，然后将含有相似特征的数据聚为一个类中。(The clustering algorithm is given to a large number of original data, and then the data with similar features are gathered into a class by algorithm. The K-mean
C# 的排列组合类
- 算法：排列组合类 调用方法如下： // // 1.GetPermutation(T[], startIndex, endIndex) // 对startIndex到endIndex进行排列，其余元素不变 // // 2.GetPermutation(T[]) // 返回数组所有元素的全排列 // // 3.GetPermutation(T[], n) // 返回数组中n个元素的排列 // // 4.GetCombination(T[], n) // 返回数组中n个元素的
SAS聚类分析程序
- 聚类分析是一种探索性的分析，在分类的过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论。不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致(Clustering analysis is an exploratory analysis. In the process of classification, people do not have to give a classification standard i
cal_SC_Fuzzy_Partition
- 模糊聚类FCM 能够实现数据的分类与分组，确定聚类数，进行模糊划分(Fuzzy clustering FCM can achieve data classification and grouping, determine the number of clusters, fuzzy partition)
k均值聚类算法
- 根据k均值聚类的原理，实现一些数字的聚类，但是具体类别数需要自己设置(Clustering of some numbers by K mean clustering)
模糊聚类分析法（python)
- 运用python进行模糊聚类分析步骤如下：建立数据矩阵；数据标准化；建立模糊相似矩阵；改造相似关系为等价关系；确定分类数(The steps of Python fuzzy clustering analysis are as follows: establishing data matrix; standardizing data; establishing fuzzy similarity matrix; transforming similarity relation into equiv