搜索资源列表
k-meansjava.rar
- 用JAVA语言实现的经典聚类算法k-means，聚类与分类不同，它是无监督的过程，,JAVA language used to achieve a classic clustering algorithm k-means, clustering and classification of different, it is the unsupervised process,
demo
- 实现数据挖掘的几个算法，包括模糊聚类，K均值，以及K近邻等聚类算法-Some of the implementation of data mining algorithms, including fuzzy clustering, K-means, as well as neighbors, such as clustering algorithm K
KNN
- 数据挖掘导论中的K近邻聚类算法，用C++编写而成。-Introduction to Data Mining of the K neighbors clustering algorithm, using C++ has been prepared by.
Chameleon
- Chameleon算法是一种通过在合并两类时用更高 的标准来提高聚类质量的聚类算法,它既考虑了互连 性,又考虑了近似度,特别是簇内部的特征,因而能够 自动地适应被合并簇的内部特征,因此具有较强的发 现任意形状和任意大小簇的能力。Chameleon算法首 先由数据集构造成一个K-最近邻图Gk,再通过一个 图的划分算法将图Gk划分成大量的子图,每个子图 代表一个初始子簇,最后用一个凝聚的层次聚类算法 反复地合并子簇来找到真正的结果簇。 -Chameleon
ordinary_algorithm_for_pattern_recognition
- 使用C语言实现的一些简单模式识别聚类算法，用于简单的二维坐标系点的聚类。有最短距离算法、K均值算法、近邻算法、fcm算法、最大最小距离算法。-Using the C language implementation of some simple pattern recognition clustering algorithm for a simple two-dimensional coordinate system point of clustering. Has the shortest di
e4k-means-althogrim
- 基于K—Means的中文文本聚类算法的研究和实现。中文文本聚类的主要技术，特征选择，共享最近邻的K-Means的改进算法。基于k-Means的实现和实验。-Based on the Chinese version of K-Means clustering algorithm and implementation. The main technology of Chinese Text Clustering, feature selection, shared nearest neighbor
k_algorithm
- K近邻算法源程序，很有参考价值。可用于聚类算法的相关应用中。-KNN source
K-mean
- 最近邻分类器是一个用来聚类的算法，可以用来对iris数据进行聚类-k-means is a neanest alogorim
www
- 一本将基于近邻传播算法的半监督聚类的算方法书.对于聚类研究的很有帮助-Abstract: A semi-supervised clustering method based on affinity propagation (AP) algorithm is proposed in this paper. AP takes as input measures of similarity between pairs of data points. AP is an efficient a
Semi-supervised-learning
- 义了一个欧氏距离和监督信息相混合的新的最近邻计算函数，从而将K一均值算法很好地应用于半 监督聚类问题。针对K一均值算法初始质心敏感的缺陷，用粒子群算法的搜索空间模拟聚类的欧氏空间，迭代搜 索找到较优的聚类质心，同时提出动态管理种群的策略以提高粒子群算法搜索效率。算法在UCI的多个数据集 上测试都得到了较好的聚类准确率。-Righteousness of a Euclidean distance and supervision of a mixture of new nearest n
classification
- 一些典型的模式分类及聚类方法 包括k均值 FDA PCA LMS 贝叶斯 K近邻-The typical pattern classification and clustering methods including k-means FDA PCA LMS Bayesian K-nearest neighbor
DM_YeDan
- KNN(K最近邻)分类算法以及K-means(K均值)聚类算法是应用广泛的两种算法。本代码是在VS2010环境下，用 C++语言在基于KNN及K-means算法下，实现了对Iris数据集的分类与聚类。-KNN (K nearest neighbor) classification algorithm, as well as K-means (K mean) clustering algorithm is widely used two algorithms. The code VS2010 en
fcm
- fcm 聚类两个k近邻算法，k近邻的非正式描述，就是给定一个样本集exset，样本数为M，每个样本点是N维向量，对于给定目标点d，d也为N维向量，要从exset中找出与d距离最近的k个点(k<=N)，当k=1时，knn问题就变成了最近邻问-fcm cluster
K---nearest-neighbour-classifier
- 采用快速K近邻与Kmeans聚类算法来计算前K个近邻，舍弃了一部分不可能成为待测样本的前K个近邻的训练样本，从而减少了计算量，提高了分类速度-Fast K-nearest neighbor Kmeans clustering algorithm to calculate the K nearest neighbors, abandoning the training samples of the part can not become the first K neighbors of the t
123
- 该程序实现K-均值聚类算法达到K-均值聚类的功能，与凝聚算法 最近邻聚类算法达到最邻聚类的功能。 -The program implements K- K- means clustering algorithm to achieve functional means clustering, and cohesion algorithm- nearest neighbor clustering algorithm to achieve the most-neighbor clustering.
python-code-for-Machine-learning
- 用于机器学习的全方位python代码，包括K-近邻算法、决策树、朴素贝叶斯、Logistic 回归 、支持向量机、利用 AdaBoost 元算法提高分类性能、预测数值型数据：回归、树回归、利用 K-均值聚类算法对未标注数据分组、使用 Apriori 算法进行关联分析、使用 FP-growth 算法来高效分析频繁项集、利用 PCA 来简化数据、利用 SVD 简化数据、大数据与 MapReduce-The full range of python code for machine learning
mechine-learning
- 本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具。 全书通过精心编排的实例，切入日常工作任务，摒弃学术化语言，利用高效的可复用Python代码来阐释如何处理统
最近邻分类代码
- 在linux 下C语言实现最近邻聚类算法，工程已经使用(near K neighbor cluster)
MLInActionCode-master
- 机器学习实战的源代码集合，第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具(Machine learning combat source code collection
kNN
- K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：在特征空间中，如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别，则该样本也属于这个类别。(K-nearest neighbor (KNN) classification algorithm is a relatively mature method in theory and one of the simplest machine