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. 常用聚类算法原文（DBSCAN等）

  2. 数据挖掘 聚类算法 原文：包括DBSCAN，变色龙算法，BIRCH层次聚类，COBWEB概念聚类，DENCLUDE密度聚类，STING网格聚类，还有离群点算法！

  3. 所属分类：其它

    • 发布日期：2009-11-01
    • 文件大小：10mb
    • 提供者：dnnyyq

  1. 一种改进的模糊C均值聚类算法

  2. 针对模糊C均值（FCM）聚类算法中，聚类效果往往受到聚类数目和初始聚类中心影响这一问题，提出了基于平均信息熵确定聚类数目的方法，并采用密度函数法来获得初始聚类中心。

  3. 所属分类：互联网

  1. V一种基于相对密度的快速聚类算法

  2. V一种基于相对密度的快速聚类算法 V一种基于相对密度的快速聚类算法

  3. 所属分类：其它

    • 发布日期：2011-09-13
    • 文件大小：452kb
    • 提供者：huhuateng

  1. V基于相对密度的多分辨率聚类算法

  2. V基于相对密度的多分辨率聚类算法V基于相对密度的多分辨率聚类算法

  3. 所属分类：其它

    • 发布日期：2011-09-13
    • 文件大小：567kb
    • 提供者：huhuateng

  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. 聚类算法DBScanC++实现代码及简单实例

  2. DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。 C++实现代码，自定义扫描半径(eps)、最小包含点数(minPts)、维度。

  3. 所属分类：C++

    • 发布日期：2014-03-12
    • 文件大小：10kb
    • 提供者：u013751160

  1. DBSCAN聚类算法

  2. 利用经典的基于密度的聚类算法，将四线激光雷达采集的数据进行聚类，剔除干扰点

  3. 所属分类：讲义

    • 发布日期：2015-08-19
    • 文件大小：3kb
    • 提供者：rcherish2014

  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. dbsan密度聚类算法

  2. dbsan密度聚类算法matlab代码功能函数

  3. 所属分类：其它

    • 发布日期：2016-12-16
    • 文件大小：4kb
    • 提供者：ws271

  1. 一种改进的自适应快速AF-DBSCAN聚类算法

  2. 基于密度的DBSCAN聚类算法可以识别任意形状簇,但存在全局参数Eps与Min Pts的选择需人工干预,采用的区域查询方式过程复杂且易丢失对象等问题,提出了一种改进的参数自适应以及区域快速查询的密度聚类算法。根据KNN分布与数学统计分析自适应计算出最优全局参数Eps与Min Pts,避免聚类过程中的人工干预,实现了聚类过程的全自动化。通过改进种子代表对象选取方式进行区域查询,无需漏检操作,有效提高了聚类的效率。对4种典型数据集的密度聚类实验结果表明,本文算法使得聚类精度提高了8.825%,聚类

  3. 所属分类：互联网

    • 发布日期：2017-04-05
    • 文件大小：143kb
    • 提供者：dwf_android

  1. DBSCAN密度聚类算法

  2. DBSCAN密度聚类算法，matlab代码，有简单注释，封装好可以运行。

  3. 所属分类：机器学习

    • 发布日期：2017-05-30
    • 文件大小：3kb
    • 提供者：hnay_ly_1123

  1. 2014年中SCI论文基于局部密度聚类算法代码C++编写以及例子运行程序

  2. 2014年中SCI论文基于局部密度聚类算法代码运用C++进行编写，此上传为一个例子运行程序：其中截断距离dc可以通过选择设置平均每个点的邻居局部密度为数据总数的1-2%（即K值）自动生成，当点属于的边界部分条件达到要求时，便停止dc的自增，最后将结果输出到txt中，密度最大的点和坐标，可根据要求自行修改得到其他密度信息，数据量较大时，聚类时间较长，耐心等候。

  3. 所属分类：C++

    • 发布日期：2018-05-10
    • 文件大小：2mb
    • 提供者：llx18850576021

  1. 各种图像特征聚类算法

  2. 对主要聚类算法进行实现：基于划分的聚类算法，基于密度的聚类算法，基于层次的聚类算法。并且重点实现“基于快速搜索与寻找密度峰值的聚类”算法，并对其进行改进：自动获取聚类中心数

  3. 所属分类：其它

    • 发布日期：2018-11-08
    • 文件大小：10kb
    • 提供者：sinat_30627027

  1. 基于动态共享近邻的谱平均密度聚类

  2. 基于动态共享近邻的谱平均密度聚类，袁超宇，张力生，谱平均密度聚类是一种基于密度的聚类算法，但存在对参数ε较为敏感的问题。针对上述问题，提出一种基于动态共享近邻的谱平均密度�

  3. 所属分类：其它

    • 发布日期：2020-03-09
    • 文件大小：854kb
    • 提供者：weixin_38671628

  1. 聚类算法（K-Means和DBSCAN）.md

  2. 介绍无监督学习与聚类算法，分别介绍了基于原型的技术的K-Means和基于密度的聚类算法的DBSCAN，分别讲明了他们的原理并在sklearn库使用python进行演示，介绍了一些重要参数并加以说明。

  3. 所属分类：机器学习

    • 发布日期：2019-12-29
    • 文件大小：34kb
    • 提供者：AIjiankeji

  1. 一种改进的基于密度的聚类算法

  2. 基于密度的聚类是聚类算法中的一种，其主要优点是可以发现任意形状的簇，但处理大数据集时效果不佳，为此提出了一种改进的算法M-DBSCAN，保留了基于密度聚类算法的优点，同时克服了以往算法不能处理大数据集的缺点。实验结果证明，M-DBSCAN聚类算法在聚类质量及速度上都比原DBSCAN有较大提高。

  3. 所属分类：其它

    • 发布日期：2020-10-26
    • 文件大小：255kb
    • 提供者：weixin_38743235

  1. 密度聚类python实现(模板代码+sklearn代码)

  2. 本人在此就不搬运书上关于密度聚类的理论知识了，仅仅实现密度聚类的模板代码和调用skelarn的密度聚类算法。 有人好奇，为什么有sklearn库了还要自己去实现呢？其实，库的代码是比自己写的高效且容易，但自己实现代码会对自己对算法的理解更上一层楼。 #调用科学计算包与绘图包 import numpy as np import random import matplotlib.pyplot as plt # 获取数据 def loadDataSet(filename): dataSet=n

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：61kb
    • 提供者：weixin_38740201

  1. python实现密度聚类(模板代码+sklearn代码)

  2. 本人在此就不搬运书上关于密度聚类的理论知识了，仅仅实现密度聚类的模板代码和调用skelarn的密度聚类算法。 有人好奇，为什么有sklearn库了还要自己去实现呢？其实，库的代码是比自己写的高效且容易，但自己实现代码会对自己对算法的理解更上一层楼。 #调用科学计算包与绘图包 import numpy as np import random import matplotlib.pyplot as plt # 获取数据 def loadDataSet(filename): dataSet=n

  3. 所属分类：其它

    • 发布日期：2020-12-20
    • 文件大小：63kb
    • 提供者：weixin_38661800

  1. 适用于大规模文本处理的动态密度聚类算法

  2. 适用于大规模文本处理的动态密度聚类算法

  3. 所属分类：其它

  1. 基于视觉原理的密度聚类算法的改进

  2. 结合基于视觉原理的密度聚类算法对初始化参数不敏感、能发现任意形状的聚类、能够找出最优聚类及一趟聚类算法快速高效的特点,研究可以处理混合属性的高效聚类算法.首先简单改进基于视觉原理的密度聚类算法,使之可以处理含分类属性的数据,进而提出一种两阶段聚类算法。第一阶段使用一趟聚类算法对数据集进行初始划分,第二阶段利用基于视觉原理的密度聚类算法归并初始划分而得到最终聚类。在真实数据集和人造数据集上的实验结果表明,提出的两阶段聚类算法是有效可行的。

  3. 所属分类：其它

« 12 3 4 5 6 7 8 9 10 ... 15 »