注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于划分的模糊聚类算法

  2. 在众多聚类算法中,基于划分的模糊聚类算法是模式识别中最常用的算法类型之一.至今,文献中仍不断 有关于基于划分的模糊聚类算法的研究成果出现.为了能更为系统和深入地了解这些聚类算法及其性质,本文从改 变度量方式、改变约束条件、在目标函数中引入熵以及考虑对聚类中心进行约束等几个方面,对在 C-均值算法的 基础上得到的基于划分的模糊聚类算法作了综述和评价,对各典型算法的优缺点进行了实验比较分析.指出标准 FCM算法被广泛应用的原因之一是它对数据的比例变化具有鲁棒性,而其他类似的算法对这种比例变化却很敏

  3. 所属分类：其它

    • 发布日期：2010-05-02
    • 文件大小：388kb
    • 提供者：www_djh

  1. lustering Toolbox: four categories of functions 四种聚类算法源代码及示例代码

  2. 程序的最终目的是形成一套标准的用于聚类、可扩展的工具。包括的内容有1. 聚类算法：Kmeans和Kmedoid算法、FCMclust, GKclust, GGclust算法 2. 评估分类原型：程序可以在二维图像上绘制出聚类的结果 3. 验证：程序给每一个算法提供验证机制，每个聚类算法会统计Partition Coefficient (PC), Classification Entropy (CE), Partition Index (SC), Separation Index (S), Xi

  3. 所属分类：其它

    • 发布日期：2011-01-01
    • 文件大小：2mb
    • 提供者：vivigiggle4096

  1. 几篇关于空间数据库的聚类算法的研究

  2. 几篇关于空间数据库的聚类算法的研究《基于空间数据库的数据挖掘方法研究》《基于SVM的空间数据库的层次聚类分析》《从空间数据库发现聚类》

  3. 所属分类：数据库

    • 发布日期：2011-04-27
    • 文件大小：2mb
    • 提供者：sai19841003

  1. 数据挖掘中几种划分聚类算法的比较及改进

  2. 本文首先是阐述了聚类分析以及主成分分析的一些理论基础，分析和比较了几类较流行的划分聚类算法。

  3. 所属分类：互联网

  1. 一种特征加权的聚类算法框架

  2. 通过某种聚类算法对数据聚类，然后，根据聚类结果，采用有监督特征评价方法 学习各维特征的权值，再根据特征权值重新聚类，之后再次学习特征权值，该过程反复迭代，直至算法收敛或达到指定 的迭代次数。欧几里德空间内基于距离、基于密度的聚类算法均适用于本框架。

  3. 所属分类：其它

    • 发布日期：2012-05-12
    • 文件大小：236kb
    • 提供者：w1026217

  1. 文本聚类算法的比较和分析

  2. 一篇关于几种文本聚类算法的介绍的论文，同时对几种算法进行了比较和分析

  3. 所属分类：其它

    • 发布日期：2009-02-26
    • 文件大小：153kb
    • 提供者：cathyjf1212

  1. k-means聚类算法

  2. 聚类分析又称群分析，它是研究(样品或指标)分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类(Cluster)分析是由若干模式(Pattern)组成的，通常，模式是一个度量(Measurement)的向量，或者是多维空间中的一个点。聚类分析以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。该文件包含了k-means等几类聚类算法

  3. 所属分类：互联网

  1. 基于聚类算法的图像分割技术综述

  2. 基于聚类算法的图像分割技术综述，马义德，，图像分割是指将一幅图像分解成若干互不相交区域的集合，其实质是一个像素的聚类过程。本文以图像分割的聚类实质为线索，对近几年

  3. 所属分类：其它

    • 发布日期：2020-02-04
    • 文件大小：703kb
    • 提供者：weixin_38636577

  1. 几类投资组合优化模型及其算法_王贞.caj

  2. 几类投资组合优化模型及其算法_王贞.caj

  3. 所属分类：金融

    • 发布日期：2020-11-19
    • 文件大小：1mb
    • 提供者：qq_18822147

  1. python实现k-means聚类算法

  2. k-means聚类算法 k-means是发现给定数据集的k个簇的算法，也就是将数据集聚合为k类的算法。 算法过程如下： 1）从N个文档随机选取K个文档作为质心 2）对剩余的每个文档测量其到每个质心的距离，并把它归到最近的质心的类，我们一般取欧几里得距离 3）重新计算已经得到的各个类的质心 4）迭代步骤（2）、（3）直至新的质心与原质心相等或迭代次数大于指定阈值，算法结束 算法实现 随机初始化k个质心，用dict保存质心的值以及被聚类到该簇中的所有data。 def initCent(dat

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：73kb
    • 提供者：weixin_38645434

  1. 机器学习（聚类十一）——不同聚类算法在不同数据分布情况下的聚类效果

  2. 至此聚类相关的内容告一段落，前面十篇博客介绍了常见的几种聚类算法，也加入了一些代码实现。这篇博客来一个汇总的实例，分别创建圆形数据、月牙形数据、聚团数据以及随机数据，并测试不同数据在各种不同聚类算法中的聚类效果以及消耗时间。 import time import warnings import numpy as np import matplotlib as mpl import matplotlib.pyplot as plt from sklearn import cluster from

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：432kb
    • 提供者：weixin_38623000

  1. 用C++实现DBSCAN聚类算法

  2. 这几天由于工作需要，对DBSCAN聚类算法进行了C++的实现。时间复杂度O(n^2)，主要花在算每个点领域内的点上。算法很简单，现共享大家参考，也希望有更多交流。 数据点类型描述如下： 代码如下:#include  using namespace std; const int DIME_NUM=2;        //数据维度为2，全局常量 //数据点类型 class DataPoint { private:     unsigned long dpID;                //数据

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：70kb
    • 提供者：weixin_38548507

  1. 基于加权特征集合的聚类算法预测酵母蛋白质的定位位点

  2. 蛋白质定位位点的分析是生物信息学中的重要任务。在具有多个指标/特征的基于酵母蛋白质测量数据的众多研究方法中，预测酵母蛋白质定位位点是一个有前途的领域。为了反映这些特征对预测任务的不同贡献，提出了一种基于加权特征集合（WFE）的聚类算法，以基于收集的酵母蛋白质定位数据预测酵母蛋白质定位位点。 WFE过程首先为特征分配不同的权重，然后对结果进行计算和呈现以获得最佳结果。对基于WFE的算法和其他几种基于加权特征思想的聚类算法的实验结果表明，我们的新算法在准确性和稳定性方面均优于其他特征加权类型算法。

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：957kb
    • 提供者：weixin_38668225

  1. 一种新的基于k-NN中心密度启发式密度的聚类算法

  2. 基于密度的聚类算法用于识别具有非常不同的局部密度并且存在于数据空间的不同区域中的聚类是众所周知的。 但是，很难确定大多数流行的基于密度的聚类算法（例如DBSCAN）所需的参数，但会对聚类结果产生重大影响。 在本文中，我们提出了一种新的基于密度的聚类算法，其中选择合适的参数难度较小，但更有意义。 在几个数据集上进行的实验表明了我们方法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：467kb
    • 提供者：weixin_38602098

  1. 快速增量光谱聚类算法的图像分割

  2. 聚类旨在将给定的数据点集合分为多个聚类，而无需借助任何先验知识。 由于其在数据挖掘中的重要应用，已经开发了许多用于聚类的技术。 作为最流行的现代聚类算法之一，频谱聚类易于实现，可以通过标准的线性代数软件有效地解决，并且通常优于传统聚类算法（例如k-means算法）。 但是，它不能很好地扩展到通常具有数百万个项目的现代大型数据集。 为了部分地克服此缺点，在本文中，我们提出了一种基于集成的快速增量光谱聚类算法，该算法专门为图像分割任务而设计。 该算法首先将给定的大型数据集划分为几个较小的分区，然后将

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：303kb
    • 提供者：weixin_38711740

  1. DBSCAN聚类算法原理及其实现

  2. DBSCAN（Density-BasedSpatialClusteringofApplicationswithNoise）聚类算法，它是一种基于高密度连通区域的、基于密度的聚类算法，能够将具有足够高密度的区域划分为簇，并在具有噪声的数据中发现任意形状的簇。我们总结一下DBSCAN聚类算法原理的基本要点：DBSCAN算法需要选择一种距离度量，对于待聚类的数据集中，任意两个点之间的距离，反映了点之间的密度，说明了点与点是否能够聚到同一类中。由于DBSCAN算法对高维数据定义密度很困难，所以对于二维空

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：679kb
    • 提供者：weixin_38606076

  1. Bisectingk-means聚类算法实现

  2. Bisectingk-means聚类算法，即二分k均值算法，它是k-means聚类算法的一个变体，主要是为了改进k-means算法随机选择初始质心的随机性造成聚类结果不确定性的问题，而Bisectingk-means算法受随机选择初始质心的影响比较小。首先，我们考虑在欧几里德空间中，衡量簇的质量通常使用如下度量：误差平方和（SumoftheSquaredError，简称SSE），也就是要计算执行聚类分析后，对每个点都要计算一个误差值，即非质心点到最近的质心的距离。那么，既然每个非质心点都已经属于

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：222kb
    • 提供者：weixin_38700409

  1. CHSMST：一种基于超曲面和最小生成树的聚类算法

  2. 由于数据挖掘已引起大量研究关注，因此在过去的几十年中提出了许多聚类算法。 但是，大多数现有的聚类方法具有很高的计算时间或不适合发现具有非凸形状的聚类。 提出了一种基于超曲面（CHS）和最小生成树的聚类算法CHSMST。 第一步，CHSMST应用CHS立即获得初始群集。 此后，引入最小生成树来处理本地密集数据，这对于CHS来说很难处理。 实验表明，CHSMST可以发现任意形状的簇。 此外，CHSMST对输入样本的顺序不敏感，并且随着数据集规模变大，算法的运行时间会适度增加。

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：333kb
    • 提供者：weixin_38656297

  1. 一种考虑基因间相互关系的投影聚类算法

  2. 针对现有基因表达数据投影聚类算法假定基因相互独立,根据每个基因的独立区分度选择相关投影空间的不足,提出了根据基因间相互关系进行投影聚类的算法MOLION.通过将基因表达数据转换为序列数据,基于设定的用户偏好函数,采用分界判定法对样本穷举树进行快速地深度优先遍历,同时应用了高效的削减和优化策略.几个真实微阵列数据集上的实验证实了提出的算法具有较高的效率和预测准确性,为考察疾病表型的形成原因提供了一个新视角.

  3. 所属分类：其它

    • 发布日期：2021-02-23
    • 文件大小：598kb
    • 提供者：weixin_38600460

  1. 粗糙K-Modes聚类算法

  2. Michael K.Ng等人提出了新K-Modes聚类算法,它采用基于相对频率的启发式相异度度量方法,有效地提高了聚类精度,但不足的是在计算各类的属性分类值频率时假定类中样本对聚类的贡献相同。为了考虑类中样本对类中心的不同影响,提出一种粗糙K-Modes算法,通过粗糙集的上、下近似度量数据样本在类内的重要性程度,不仅可以获得比新K-Modes算法更好的聚类效果,而且可以在保证聚类效果的基础上降低白亮等人提出的基于粗糙集改进的K-Modes算法的计算复杂度。对几个UCI的数据集的测试实验结果显示出

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 44 »