您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. kmeans中文文本聚类java源码(包括对文本tf,idf的计算,文本相似度计算)

  2. 算法思想:提取文档的TF/IDF权重,然后用余弦定理计算两个多维向量的距离来计算两篇文档的相似度,用标准的k-means算法就可以实现文本聚类。源码为java实现
  3. 所属分类:其它

    • 发布日期:2009-05-08
    • 文件大小:9kb
    • 提供者:kaiyan0308
  1. k—means 聚类算法

  2. 这是关于K-MEANS 聚类算法的一个程序,是多维的。。。。。。
  3. 所属分类:其它

    • 发布日期:2010-01-11
    • 文件大小:336kb
    • 提供者:jiangchuanjin
  1. optics聚类算法

  2. optics是典型的多维聚类方法,在模式分类和机器学些中都有广泛的应用。
  3. 所属分类:其它

    • 发布日期:2010-03-05
    • 文件大小:638kb
    • 提供者:BusyCai
  1. kmeans算法文本聚类java源码(分词,TF/IDF等)

  2. 算法思想:提取文档的TF/IDF权重,然后用余弦定理计算两个多维向量的距离来计算两篇文档的相似度,用标准的k-means算法,整个工程可以直接运行,
  3. 所属分类:Java

    • 发布日期:2011-07-03
    • 文件大小:29kb
    • 提供者:wrn_str
  1. 基于量子遗传算法的XML聚类集成

  2. 为了改善单一聚类算法的聚类性能,提出一种基于量子遗传算法的XML文档聚类集成解决方法。该方法先利用kNN分类划分k个差异性的聚类成员;其次根据聚类成员的关系获得的内联相似度矩阵,并通过多次分割、向下、向上、双向收缩的QR算法分解特征值对应的特征向量来实现矩阵的维数缩减;然后在映射空间上,用初始聚类中心构造量子遗传算法的初始种群,用量子遗传算法来寻找样本集的最优聚类组合,把每一个样本判别到最优的聚类类别中,从而完成聚类集成。为了验证本文提出的算法,实验结果显示,该聚类集成算法比单聚类算法具有更好
  3. 所属分类:其它

    • 发布日期:2011-12-26
    • 文件大小:324kb
    • 提供者:hunanjjyy
  1. 文本聚类算法实现

  2. k均值算法文本聚类的具体实现过程 思路:计算两篇文档的相似度,最简单的做法就是用提取文档的TF/IDF权重,然后用余弦定理计算两个多维向量的距离。能计算两个文本间的距离后,用标准的k-means算法就可以实现文本聚类了。
  3. 所属分类:C#

    • 发布日期:2013-08-16
    • 文件大小:16kb
    • 提供者:q383965374
  1. 基于层次聚类的多维数据分析

  2. 基于层次聚类的多维数据分析算法,凝聚层次算法: 初始阶段,将每个样本点分别当做其类簇,然后合并这些原子类簇直至达到预期的类簇数或者其他终止条件。 传统的凝聚层次聚类算法有AGENES,初始时,AGENES将每个样本点自为一簇,然后这些簇根据某种准则逐渐合并,例如,如果簇C1中的一个样本点和簇C2中的一个样本点之间的距离是所有不同类簇的样本点间欧几里得距离最近的,则认为簇C1和簇C2是相似可合并的。
  3. 所属分类:C/C++

    • 发布日期:2014-03-19
    • 文件大小:96kb
    • 提供者:u014212996
  1. 多维k-means聚类算法java实现,导入直接运行

  2. 多维k-means聚类算法java简单实现,导入运行KmeansTest.java可看到结果
  3. 所属分类:Java

    • 发布日期:2014-05-06
    • 文件大小:12kb
    • 提供者:zpp117711
  1. k-means多维数据聚类

  2. k-means多维聚类c++实现
  3. 所属分类:C++

    • 发布日期:2014-06-09
    • 文件大小:7kb
    • 提供者:u010392646
  1. ArcGIS教程:Iso 聚类

  2. 使用 isodata 聚类算法来确定多维属性空间中像元自然分组的特征并将结果存储在输出 ASCII 特征文件中。
  3. 所属分类:其它

    • 发布日期:2014-07-21
    • 文件大小:27kb
    • 提供者:u010687924
  1. keams聚类算法matlab界面实现,支持多维

  2. keams聚类算法,matlab界面实现,可一支持任意维数据,有界面,数据点可以通过鼠标添加,简单清晰
  3. 所属分类:其它

    • 发布日期:2014-12-09
    • 文件大小:9kb
    • 提供者:q717095198
  1. 一种改进的加权复杂网络聚类方法

  2. 在复杂网络聚类中,为了克服聚类结果局部收敛和对多维数据聚类效果差的缺点,通过对复杂网络聚类方法 的应用分析,将NJW 算法和粒子群聚类算法应用到加权复杂网络簇结构的探测中,设计和实现了一种改进的加权复 杂网络聚类方法
  3. 所属分类:其它

    • 发布日期:2015-01-21
    • 文件大小:656kb
    • 提供者:jlumarvin
  1. 协同过滤中的k-means多维聚类和语义分析部分

  2. k-means聚类部分是我从一个java一维聚类改的,语义关联度分析部分是我自己写的,对协同过滤,聚类,语义关联程度分析等感兴趣的朋友可以下载,输入是语义分析的基准词汇(对哪些词汇比较语义关联度),和需要聚类的记录,输出是聚类中心,距离大小,KNN结果,以及基准词汇中的有关联的部分。
  3. 所属分类:电子商务

    • 发布日期:2015-04-12
    • 文件大小:9kb
    • 提供者:u013428756
  1. MATLAB实现K-means聚类

  2. function [idx, C, sumD, D] = kmeans(X, k, varargin) % varargin:实际输入参量 if nargin 1 % 大于1刚至少有一种距离 error(sprintf('Ambiguous ''distance'' parameter value: %s.', distance)); elseif isempty(i) % 如果是空的,则表明没有合适的距离 error(sprintf('Unknown ''distance'' parame
  3. 所属分类:专业指导

    • 发布日期:2015-09-20
    • 文件大小:23kb
    • 提供者:qq_22248495
  1. 利用一维投影分析的无参数多密度聚类算法

  2. 对于传统基于密度聚类算法的一个改进,利用一维投影分析技术
  3. 所属分类:讲义

    • 发布日期:2015-11-09
    • 文件大小:586kb
    • 提供者:rcherish2014
  1. k-means聚类分析

  2. 提供了k-means多维数据的聚类分析matlab源代码代码
  3. 所属分类:其它

  1. K均值聚类Matlab分类算法.rar

  2. 整理的matlab的K均值聚类算法,可以直接运行,包含K均值二维聚类算法,包含K均值三维聚类算法,包含K均值多维聚类算法函数模型
  3. 所属分类:算法与数据结构

  1. 基于SOM网络和归一化切割(Ncut)的双层聚类和可视化(光线投射算法)

  2. 与一维传递函数相比,多维传递函数可以对体积对象进行更复杂的分类。但 是,当传递函数空间的维数超过 3-D 时,将其可视化和操作是不直观的,这使得 用户交互变得困难。所以针对多维传递函数的设计问题,提出了一种二维聚类方 法。一阶自组织图聚类(SOM)将高维特征数据投影到二维拓扑保留图中。二 阶聚类降低了 SOM 神经元的设计自由度。从大量的 SOM 神经元到可管理的簇。 在提供信息的 SOM 网络的指导下,用户通过选择集群以交互方式发现体素中有 趣的结构,在必要时可视化和修改集群结果。我们的界面跟
  3. 所属分类:医疗

    • 发布日期:2020-06-21
    • 文件大小:11mb
    • 提供者:weixin_38616018
  1. 面向创新的煤层气开采多维空间专利地图构建

  2. 针对影响要素众多、开采模式可移植性差的煤层气开采创新过程,在系统分析煤层气开采影响因素的基础上,从多要素聚类与组合的角度拓展专利地图的维度,将已有的专利信息进行分解和要素提取,确立了空间维度上的坐标,构建出含时间维、空间维和机理维的多维空间专利地图。通过多维空间专利地图探明了煤层气开采创新的技术密集区、技术稀疏区和技术空白区,为我国的煤层气开采技术创新指明具体方向,为煤层气开发企业提供急需的创新管理理论与方法支持,对煤层气开采技术创新的研究提供了新思路。
  3. 所属分类:其它

    • 发布日期:2020-07-07
    • 文件大小:225kb
    • 提供者:weixin_38701640
  1. 使用监督正交判别投影进行聚类的无监督维约化

  2. 通过结合监督正交判别投影(SODP)和K-均值聚类集成,提出了一种新的无监督降维聚类方法,即SODP-KSCE。 以迭代方式操作的新颖算法可自适应地优化聚类结果,并学习具有最佳间隔的子空间。 为了提高K均值的稳定性,SODP-KSCE采用了集成学习。 此外,引入了负熵增量(NI)指数来衡量聚类性能。 在低维子空间中执行K均值聚类集成算法,生成未标记数据的伪类标签,然后将其用于指导原始空间中SODP的降维过程。 在多个数据集上的实验结果表明了SODPKSCE的有效性。
  3. 所属分类:其它

    • 发布日期:2021-03-08
    • 文件大小:197kb
    • 提供者:weixin_38591291
« 12 3 4 5 6 7 8 9 10 ... 13 »