点数信息
www.dssz.net
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]
!
首页
移动开发
云计算
大数据
数据库
游戏开发
人工智能
网络技术
区块链
操作系统
模糊查询
热门搜索:
源码
Android
整站
插件
识别
p2p
游戏
算法
更多...
在线客服QQ:632832888
当前位置:
资源下载
搜索资源 - 聚类中心
下载资源分类
移动开发
开发技术
课程资源
网络技术
操作系统
安全技术
数据库
行业
服务器应用
存储
信息化
考试认证
云计算
大数据
跨平台
音视频
游戏开发
人工智能
区块链
在结果中搜索
所属系统
Windows
Linux
FreeBSD
Unix
Dos
PalmOS
WinCE
SymbianOS
MacOS
Android
开发平台
Visual C
Visual.Net
Borland C
CBuilder
Dephi
gcc
VBA
LISP
IDL
VHDL
Matlab
MathCAD
Flash
Xcode
Android STU
LabVIEW
开发语言
C/C++
Pascal
ASM
Java
PHP
Basic/ASP
Perl
Python
VBScript
JavaScript
SQL
FoxBase
SHELL
E语言
OC/Swift
文件类型
源码
程序
CHM
PDF
PPT
WORD
Excel
Access
HTML
Text
资源分类
搜索资源列表
各种聚类算法简介及AP聚类算法介绍
Affinity Propagation (AP) 聚类是最近在Science杂志上提出的一种新的聚类算法。它根据N个数据点之间的 进行聚类,这些相似度可以是对称的,即两个数据点互相之间的相似度一样(如欧氏距离);也可以是不对称的,即两个数据点互相之间的相似度不等。这些相似度组成N×N的相似度矩阵S(其中N为有N个数据点)。AP算法不需要事先指定聚类数目,相反它将所有的数据点都作为潜在的聚类中心,称之为exemplar。
所属分类:
其它
发布日期:2009-05-06
文件大小:265kb
提供者:
kaiyan0308
两个matlab实现的K-MEANS聚类算法
%k-means 算法接受输入量 k ;然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足: %同一聚类中的对象相似度较高;而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”(引力中心)来进行计算的。 %k-means 算法的工作过程说明如下:首先从n个数据对象任意选择 k 个对象作为初始聚类中心;而对于所剩下其它对象, %则根据它们与这些聚类中心的相似度(距离),分别将它们分配给与其最相似的(聚类中心所代表的)聚类; %然后再计算每个所获新聚类的聚
所属分类:
其它
发布日期:2009-05-23
文件大小:8kb
提供者:
lih062624
k均值聚类分析matlab代码
基本思想:首先任意选取K个聚类中心,按最小距离原则将各模式分配到K类的某一类; 不断计算聚类中心和调整各模式的类别,最终使各模式到其判属类别中心的距离平方之和最小。
所属分类:
其它
发布日期:2009-10-14
文件大小:2kb
提供者:
CarolYang8610
HCM 硬性C均值聚类M代码(采用峰值法来确定聚类中心个数)
用峰值阈值法来确定初始的聚类中心 -> 根据初始聚类中心进行K均值聚类,进行多次迭代 M代码是函数形式的
所属分类:
C
发布日期:2010-08-29
文件大小:6kb
提供者:
terrycz10
新的K-均值算法最佳聚类数确定方法
K-均值聚类算法是以确定的类数K和随机选取的初始聚类中心为前提对数据集进行聚类的。通常聚类数K实现无法确定,随机选定的初始聚类中心容易使聚类结果不稳定。
所属分类:
互联网
发布日期:2011-05-12
文件大小:323kb
提供者:
cuizaixu_jingzhe
一种改进的K-means初始聚类中心选取算法
在传统的k-means聚类算法中,聚类结果会随着初始聚类中心点的不同而波动,针对这个确定,提出一种优化初始聚类中心的算法。
所属分类:
互联网
发布日期:2011-05-25
文件大小:150kb
提供者:
cuizaixu_jingzhe
K-Means算法的初始聚类中心的优化
传统的K-Means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动,针对K-Means算法存在的问题,提出了基于密度的改进的K-Mans算法。
所属分类:
互联网
发布日期:2011-05-25
文件大小:239kb
提供者:
cuizaixu_jingzhe
初始聚类中心优化的k-means算法.pdf
传统的k-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动。为消除这种敏感性,提出一种优化初始聚类中心的方法,此方法计算每个数据对象所在区域的密度,选择相互距离最远的k个处于高密度区域的点作为初始聚类中心。实验表明改进后的k-means算法能产生质量较高的聚类结果,并且消除了对初始输入的敏感性。 关键词:数据挖掘;聚类;k-means算法;聚类中心
所属分类:
SQLServer
发布日期:2012-01-14
文件大小:102kb
提供者:
mocuyu
基于均值—标准差的K均值出事聚类中心选取算法
基于均值—标准差的K均值出事聚类中心选取算法 希望能有需要的同志
所属分类:
其它
发布日期:2012-06-14
文件大小:436kb
提供者:
xiaobao89
K均值聚类程序
主要是K均值聚类最简单的程序,仅供参考,每个向量到聚类中心的欧氏距离
所属分类:
管理软件
发布日期:2013-01-21
文件大小:1kb
提供者:
zhangweiyuan1314
改进的GK聚类算法
针对传统 GK 聚类算法无法自动确定聚类数和对初始聚类中心比较敏感的缺陷,提出一种改进的 GK 聚 类算法。该算法首先通过基于类间分离度和类内紧致性的权和的新有效性指标来确定最佳聚类数; 然后,利用改进 的熵聚类的思想来确定初始聚类中心; 最后,根据判定出的聚类数和新的聚类中心进行聚类。
所属分类:
电信
发布日期:2013-05-31
文件大小:723kb
提供者:
u010901657
聚类实验 K均值和C均值
K均值和C均值聚类,实现间隔采样,绘制三维聚类中心轨迹,实现道路标志检测
所属分类:
其它
发布日期:2015-05-19
文件大小:641kb
提供者:
wl_glp
设置聚类中心的模糊 C均值
设置 聚类中心的模糊C均值 大大的减少了迭代次数,matlab
所属分类:
其它
发布日期:2017-12-16
文件大小:2kb
提供者:
qq_37584653
优化初始聚类中心的K_means算法
很好的聚类算法,从传统K2means 算法对初始中心的敏感性分析出发, 提出了一种优化初始聚类中心的算 法
所属分类:
其它
发布日期:2009-04-14
文件大小:261kb
提供者:
young_ying
K-means聚类算法初始聚类中心确定 matlab实现
改进的K-means聚类算法初始聚类中心确定,采用matlab实现,2016a的matlab,直接打开文件、添加路径就可以使用了。
所属分类:
其它
发布日期:2018-03-18
文件大小:3kb
提供者:
qq_24864715
对k-means初始聚类中心的优化.pdf
改文献针对传统k—means算法对初始聚类中心敏感的问题,提出了基于数据样本分布选取初始聚类中心的改进k.means算法。该算法利用贪心思想构建K个数据集合,集合的大小与数据的实际分布密切相关,集合中的数据彼此间相互靠近。取集合中数据的平均值作为初始聚类中心,由此得到的初始聚类中心非常接近迭代聚类算法期待的聚类中心。理论分析和实验结果表明,改进算法能改善其聚类性能,并能得到稳定的聚类结果,取得较高的分类准确率。
所属分类:
算法与数据结构
发布日期:2020-03-15
文件大小:339kb
提供者:
lffye
FCM初始聚类中心敏感性分析与优化
FCM初始聚类中心敏感性分析与优化,汪勇,程姣,既有研究认为模糊C-均值聚类对初始聚类中心敏感。算法敏感性受到分类数、数据特征、和模糊指数等因素的影响。给出算法敏感性定义�
所属分类:
其它
发布日期:2020-03-12
文件大小:349kb
提供者:
weixin_38681646
基于划分采样的初始聚类中心算法
针对大数据集的初始聚类中心选取问题,在基于密度的划分算法和适用于大规模数据集限定初值的采样算法基础上,提出了一种用于初始聚类中心的划分采样算法。对聚类子空间在每一维上进行均匀划分形成不同的数据区域,根据数据区域的数据点数的多少进行采样来提高采样的准确性。利用采样思想缩小了数据集的规模,保证了算法在时间上的优势。通过不同规模、不同形状的数据集对算法进行验证,实验结果表明,与其它初始聚类中心算法相比,该算法在准确率和时间上都具有一定的优势。
所属分类:
其它
发布日期:2020-06-20
文件大小:231kb
提供者:
weixin_38725137
一种优化初始聚类中心的K-means聚类算法
针对K-means算法中的初始聚类中心是随机选择这一缺点进行改进,利用提出的新算法选出初始聚类中心,并进行聚类。这种算法比随机选择初始聚类中心的算法性能有所提高,具有更高的准确性。
所属分类:
其它
发布日期:2020-10-20
文件大小:312kb
提供者:
weixin_38560797
一种多聚类中心的划分方法
提出了一种多聚类中心的算法(DMC),新算法将原划分算法中每类单个中心替代为多个中心,判断数据归属时以最近中心为目标进行划分,最后对多个中心调整得到聚类结果.实验证明,在不增加算法复杂度的前提下,DMC能够客服划分方法倾向识别大小相近、凸形分布的数据的缺陷,解决不同数据分布的问题,获得良好的聚类效果.
所属分类:
其它
发布日期:2021-02-23
文件大小:384kb
提供者:
weixin_38651983
«
1
2
3
4
5
6
7
8
9
10
...
26
»