当前位置：
首页 资源下载
搜索资源 - K medoid clustering
搜索资源列表
-
0下载：
实现聚类K均值算法： K均值算法：给定类的个数K，将n个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小。 缺点：产生类的大小相差不会很大，对于脏数据很敏感。 改进的算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）
-
-
0下载：
CLARA是基于k中心点的一种划分方法的实现，区别于别的划分方法，Clara是用于大规模分类运用方法的简称，可以实现对大规模数据的分类-CLARA(abbreviated from clustering large applications), is based on the k-medoid appraoch, which can be useful in clustering large data sets.
-
-
0下载：
模糊聚类算法，K-means and K-medoid algorithms，Fuzzy C-means algorithm，The Gustafson{Kessel algorithm，The Gath{Geva algorithm-Fuzzy clustering algorithm, K-means and K-medoid algorithms, Fuzzy C-means algorithm, The Gustafson (Kessel algorithm, The Gath (Gev
-
-
0下载：
PAM（Partitioning Around Medoid,围绕中心点的划分）算法是是划分算法中一种很重要的算法，有时也称为k-中心点算法，是指用中心点来代表一个簇。PAM算法最早由Kaufman和Rousseevw提出，Medoid的意思就是位于中心位置的对象。PAM算法的目的是对n个数据对象给出k个划分。PAM算法的基本思想：PAM算法的目的是对成员集合D中的N个数据对象给出k个划分，形成k个簇，在每个簇中随机选取1个成员设置为中心点，然后在每一步中，对输入数据集中目前还不是中心点的成员根
-
-
0下载：
this is KMedoids clustering algorithem.
-
