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. Matlab实现的最邻近规则聚类程序

  2. 简单的用Matlab实现的最邻近规则的聚类小程序

  3. 所属分类：其它

    • 发布日期：2010-07-31
    • 文件大小：996byte
    • 提供者：wwwjh123

  1. 基于lf蚁群聚类算法

  2. %-- Unknown date --% else p(:,j)=0; end; if maxp(1)<p(1,j) maxp(1)=p(1,j); end; linear_index=find(maxp(1)==p(1,:)); size1=[1,n]; [r_index,c_index]=ind2sub(size1,linear_index(1)); solution_medium(k,1)=distance(g(NC,k),c_index(1)); route(k,1)=c_ind

  3. 所属分类：C

    • 发布日期：2010-09-03
    • 文件大小：128byte
    • 提供者：suxuejing1984

  1. 武汉大学2011遥感院复试上机真题

  2. 武汉大学2011遥感院复试上机真题——编程实现基于最邻近规则的试探法聚类算法。

  3. 所属分类：其它

    • 发布日期：2012-03-15
    • 文件大小：32kb
    • 提供者：daidachang

  1. 最邻近类算法

  2. 这是matlab的最邻近类算法，主要做人脸识别和表情识别

  3. 所属分类：其它

    • 发布日期：2012-09-29
    • 文件大小：408byte
    • 提供者：shuxue13312

  1. 聚类分析算法说明

  2. 聚类分析算法说明 9.2.基于试探的位置类别聚类算法 9.2.1 最邻近规则的试探法

  3. 所属分类：C/C++

  1. 《 精通Visual C++数字图像处理典型算法及实现》随书源码

  2. 第1章　Visual C++数字图像编程基础　1 1.1　数字图像处理概述　1 1.2　图像和调色板　2 1.2.1　图像　2 1.2.2　调色板　3 1.2.3　色彩系统　4 1.2.4　灰度图　5 1.3　GDI位图　5 1.3.1　从资源中装入GDI位图　6 1.3.2　伸缩位图　8 1.4　与设备相关位图　10 1.5　设备无关位图(DIB)　15 1.5.1　BMP文件中DIB的结构　16 1.5.2　DIB访问函数　18 1.5.3　构造DIB类　22 1.5.4　使用DIB读写B

  3. 所属分类：C++

    • 发布日期：2014-05-21
    • 文件大小：416kb
    • 提供者：crsupport

  1. matlab代码（KNN，层次聚类，C均值，最邻近算法）

  2. 根据算法原理自己编写的基本算法的代码，包括自己挑选的数据集，对算法准确率的测试

  3. 所属分类：其它

    • 发布日期：2015-04-19
    • 文件大小：127kb
    • 提供者：yanliangsos

  1. kNN（邻近算法）算法

  2. 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。 kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本有关。由于kNN方法

  3. 所属分类：Python

    • 发布日期：2015-05-18
    • 文件大小：2kb
    • 提供者：heisediwei

  1. K邻近算法matlab实现

  2. K最邻近密度估计技术是一种分类方法，不是聚类方法

  3. 所属分类：其它

    • 发布日期：2016-01-16
    • 文件大小：68kb
    • 提供者：qq_28247057

  1. KNN算法的Java实现

  2. 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。 kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本有关。由于kNN方法

  3. 所属分类：Java

  1. K 近邻算法

  2. KNN算法可以预测未知数据的特征。所谓K近邻算法，即是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例（也就是上面所说的K个邻居）， 这K个实例的多数属于某个类，就把该输入实例分类到这个类中。

  3. 所属分类：机器学习

    • 发布日期：2017-09-18
    • 文件大小：1kb
    • 提供者：qq_38901183

  1. 深度学习基础加进阶视频教程

  2. 【课程内容】 基础 课程介绍机器学习介绍 深度学习介绍 基本概念 决策树算法 决策树应用 最邻近规则分类KNN算法 最邻近规则KNN分类应用 支持向量机SVM 神经网络算法应用 简单线性回归 多元线性回归 非线性回归 Logistic Regression 回归中的相关度和决定系数 回归中的相关性和R平方值应用 Kmeans算法 Kmeans应用 Hierarchical clustering 层次聚类 进阶 基本概念 软件包安装和环境配置总述 环境配置分部详解 手写数字识别 神经网络基本结构

  3. 所属分类：深度学习

    • 发布日期：2018-03-14
    • 文件大小：75byte
    • 提供者：u013844840

  1. 常用数据挖掘算法总结及Python实现 文字版+code

  2. 本书适合有志于从事数据挖掘的初学者，需要的朋友可看看 第一部分 数据挖掘与机器学习数学基础3 第一章 机器学习的统计基础3 第二章 探索性数据分析（EDA） .11 第二部分 机器学习概述14 第三章 机器学习概述14 第三部分 监督学习---分类与回归16 第四章 KNN（k 最邻近分类算法） 16 第五章 决策树19 第六章 朴素贝叶斯分类29 第七章 Logistic 回归 .32 第八章 SVM 支持向量机42 第九章 集成学习(Esemble Learning)43 第十一章 模型评

  3. 所属分类：Python

    • 发布日期：2018-04-21
    • 文件大小：4mb
    • 提供者：mycoffee1990

  1. 对KNN算法的改进

  2. kNN算法又称为k近邻分类。KNN是通过测量不同特征值之间的距离进行分类。它的的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。K通常是不大于20的整数。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。

  3. 所属分类：机器学习

    • 发布日期：2018-05-29
    • 文件大小：113kb
    • 提供者：weixin_42228727

  1. 模式识别KNN算法

  2. kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本有关。由于kNN方法主要靠周围有限的邻近的样本，而不是靠判别类域的方法来确定所属类别的，因此对于类域的交叉或重叠较多的待分样本集来说，kNN方法较其他方法更为适合。

  3. 所属分类：机器学习

  1. 基于软加权映射的局部聚类向量表示方法

  2. 基于特征码本的图像分类方法依赖于需要特征向量与聚类中心之间的映射，然而硬加权映射方法导致了相似的特征向量被映射为不同的聚类中心，从而降低了分类的查全率。为此提出一种基于软加权映射的局部聚类向量表示方法。该方法首先用k均值算法将特征向量聚类为k个聚类中心，采用最近邻算法寻找最接近的s个聚类中心，通过特征向量与聚类中心之间的相似度和邻近程度构建软加权映射的局部聚类向量，然后统计特征直方图，最后用主成分分析减少特征直方图维度。实验结果分析表明，相比较硬加权映射方法，文中方法提高了约5%的分类准确率。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：490kb
    • 提供者：weixin_38635682

  1. 基于模糊聚类的ZigBee室内定位系统设计

  2. 随着计算机技术及传感技术的发展，基于位置服务（LBS）逐渐成为研究热点。在采用德州仪器公司CC2530芯片设计的一套ZigBee室内定位系统的基础上，提出了基于模糊聚类的加权最邻近定位算法，并利用设计的ZigBee室内定位系统进行实验。实验结果表明，采用基于模糊聚类的加权最邻近定位算法，ZigBee室内定位系统的平均定位精度有了一定的提高，平均定位精度达到了1.47 m，并且与常见的NN定位算法、KNN定位算法、贝叶斯定位算法的定位效果进行了对比。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：292kb
    • 提供者：weixin_38653040

  1. 深度学习之图像分类———–K最邻近算法（KNN）

  2. 邻近算法,或者说是K最邻近算法,是一个相对简单的多分类算法，其基本工作原理为: 首先我们存在一个训练集,训练集中的每个图片都存在标签（已知图片属于哪一类）.对于我们输入的没有标签的数据，我们将新数据中的每个特征与样本集合中的数据的对应特征进行比较,计算出二者之间的距离，然后记录下与新数据距离最近的K个样本，最后选择K个数据当中类别最多的那一类作为新数据的类别。 下面通过一个简单的例子说明一下：如下图，绿色圆要被决定赋予哪个类，是红色三角形还是蓝色四方形？如果K=3，由于红色三角形所占比例为2/3

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：98kb
    • 提供者：weixin_38630358

  1. kNN-K最近邻(k-NearestNeighbor)算法的python实现

  2. 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表 该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。KNN算法中，所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 KNN方法虽然从原理上也依赖于极限

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：43kb
    • 提供者：weixin_38752897

  1. Python实现KNN邻近算法

  2. 简介 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。 kNN算法的核心思想是如果一个样本在特征空间中的k个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。 kNN方法在类别决策时，只与极少量的相邻样本有关。由于k

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：50kb
    • 提供者：weixin_38744557
« 12 3 »