搜索资源列表
python-cure-implementation-master
- Python实现的cure聚类算法和K-means算法(python-cure-Kmeans-implementation)
Kmeans
- 用Python语言实现的大规模数据聚类，附实验报告(Large-scale data clustering with Python language, with experimental reports)
kmeans
- 对数据和图像进行聚类分析，k-means聚类方法多应用于模式识别，人工智能，机器学习等方面(Clustering analysis of data and images, K-means clustering method should be used in pattern recognition, artificial intelligence, machine learning and so on)
SOMPY-master
- som自组织神经网络聚类算法的python实现(Implementation of SOM clustering algorithm based on Python)
模式识别 聚类
- 模式识别作业，两种聚类算法kmeans,dbscan，python算法(pattern recognition homework)
K-means&DBSCAN
- python实现K-means聚类算法和DBSCAN算法，都是最简单的聚类(Python implements k-means clustering algorithm and DBSCAN algorithm, which are the simplest clustering)
Kmeans
- python语言实现kmeans聚类，机器学习算法(Kmeans clustering in Python language)
Python实现聚类融合的目标跟踪算法
- Python实现目标跟踪算法，使用了模板匹配搭配光流法并使用聚类融合实现特征点分类聚合的算法。
plot_classifier_comparison
- 基于Pythoon的数值聚类分类算法，基于Python的三维立体点的空间最近邻分类(This example shows the effect of imposing a connectivity graph to capture local structure in the data. The graph is simply the graph of 20 nearest neighbors. Two consequences of imposing a connectivity can b
DBSCAN聚类
- Python密度聚类 最近在Science上的一篇基于密度的聚类算法《Clustering by fast search and find of density peaks》引起了大家的关注(在我的博文“论文中的机器学习算法——基于密度峰值的聚类算法”中也进行了中文的描述)。于是我就想了解下基于密度的聚类算法，熟悉下基于密度的聚类算法与基于距离的聚类算法，如K-Means算法之间的区别。 基于密度的聚类算法主要的目标是寻找被低密度区域分离的高密度区域。与基于距离的聚类算法不同的是，基
Kmeans
- python实现的k-means聚类算法(k-means clustering algorithm implemented by python)
python实现代码、测试数据集及结果
- 密度距离矩阵优化聚类算法python实现(Python implementation of density distance matrix optimization clustering algorithm)
kNN
- 这是用于描述KNN聚类的python源代码，可以结合各位实际的需要使用(This is the python source code used to describe KNN clustering. It can be combined with your actual needs.)
slic-python-implementation-master
- SLIC算法实现超像素聚类，python版本为2.7(SLIC Algorithm for Superpixel Clustering, Python version is 2.7)
DENCLUE2.0 algorithm for python
- DASCAN 聚类算法例程，实现平面内点的分类(Clustering algorithm routines)
Python计算机视觉编程
- 本书介绍Python的计算机视觉编程，用清晰的Python示例，细致讲解对象识别、3D重建、立体图像、增强现实及其他计算机视觉应用技巧，给出了分析图像的工具与方法。内容：机器人导航、医学图像分析；图像映射与变换；多图像的3D重建；用聚类方法基于相似性和内容组织图像；基于视觉内容的图像检索技巧；实现图像内容分类和对象识别的算法；通过Python接口访问常用的OpenCV库。(This book introduces Python's computer vision programming. Wit
30号作业
- python实现密度峰值聚类 及相关测试数据机(Python realizes density peak clustering)
dbdemo
- 基于密度的聚类算法----DBSCAN算法的代码实现python(Density-based clustering algorithm----Code Implementation of DBSCAN Algorithms)
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
基于t-SNE降维的学生成绩聚类模型
- 使用Python编写的小程序代码，基于t-SNE降维的学生成绩聚类模型。(Clustering model of students' performance based on t-sne dimension reduction)