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. DBSCAN算法源码

  2. 基于密度的聚类算法，DBSCAN，修改过的，C#实现

  3. 所属分类：其它

    • 发布日期：2011-07-27
    • 文件大小：5kb
    • 提供者：yuyanwei0530

  1. DBSCAN算法jsp源码

  2. DBSCAN算法jsp源码 网上找的

  3. 所属分类：其它

    • 发布日期：2008-10-23
    • 文件大小：211kb
    • 提供者：xbillbst

  1. 基于密度的一种聚类方法（DBSCAN）源码

  2. 基于密度的一种聚类方法（DBSCAN）源码 ，里面包含一个简单易懂的例子，讲述了DBSCAN，将简单的数据集进行DBSCAN聚类，最终将聚类的结果绘制成为图形化。

  3. 所属分类：机器学习

    • 发布日期：2018-05-13
    • 文件大小：19kb
    • 提供者：u011806194

  1. TE:本科毕业设计-基于数据解析的化工生产过程诊断-源码

  2. 毕设TE 4.29更新 1.代码 1.1模型代码 版本1.0 ：包含TE_main1（5个）和TE_main2（4个），前者用于特征提取，用于其他分类器。第一版的一个未完成的代码：TE_main_tSNE.py，该代码是为了重现“ SAE + t-SNE + DBSCAN＆K-means”这篇论文，但是没有完成。 版本2.0 ：包含TE_Main_DAE + Softmax.py和TE_Main_LSTM＆DAE + Softmax.py两个文件（“预训练+微调”）。 版本3.0 ：包含T

  3. 所属分类：其它

    • 发布日期：2021-03-22
    • 文件大小：48mb
    • 提供者：weixin_42135753

  1. DBSCAN-and-TI-DBSCAN-w.r.t.-cosine-similarity-and-Euclidean-measure:DBSCAN +和TI-DBSCAN + wrt余弦相似度和欧几里得测度-源码

  2. 归一化向量上的DBSCAN + wrt余弦相似度，DBSCAN +和TI-DBSCAN + wrt欧几里得 项目目标 该项目的目的是在Python和类C语言的归一化向量上实现3种不同的算法-DBSCAN + wrt余弦相似度，DBSCAN +和TI-DBSCAN + wrt Euclidean。在此存储库中，您将找到该算法的python版本，我的同事的C ++版本位于： : “ +”（+）版本通过将边界点分配给可能的多个簇而不是像传统DBSCAN算法那样分配给第一个簇来修改经典簇。 TI-

  3. 所属分类：其它

  1. MMT:[ICLR-2020]相互平均教学-源码

  2. 相互平均教学（MMT） 接受了“”的正式实施。 什么是新的 [2020年7月1日] 我们进行了代码重构，以支持分布式培训和更多功能。请参阅 。 [2020年3月27日] 我们在撰写了有关该论文的中文博客。 [2020年3月20日] 我们支持基于DBSCAN的MMT ，它可以实现更好的性能。请注意，我们有效地加快了DBSCAN的Jaccard距离计算过程（CPU大约200s，GPU大约60s，而其他仓库大约10min）。 我们为UDA re-ID添加了基于聚类的常规基线训练，即仅具有硬伪标

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：606kb
    • 提供者：weixin_42168830

  1. pychell:减少恒星源的阶梯光谱并产生径向速度的环境-源码

  2. 皮切尔 tldr; 环境： 减少单迹多级阶梯光谱。 为恒星源生成精确的径向速度。 用pip install .从头目录开始。 仅支持某些仪器，但是添加对新仪器的支持相对简单（请参见扩展pychell）。 减少 截至目前，可以在性能良好的光谱仪上以每个echelle顺序进行单迹还原。 订单追踪 默认情况下，使用密度聚类算法（sklearn.cluster.DBSCAN）在平坦字段（首选）或数据上跟踪订单，但是如果已知检测器上的订单位置相对稳定，则可以使用硬编码地图。如果必须根据数据唯一确定订单位

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：172mb
    • 提供者：weixin_42165490

  1. NG-DBSCAN-源码

  2. NG-DBSCAN 在“ NG-DBSCAN Code”文件夹中，存在所有要运行的文件。 在绘制2维和3维数据集时，请尝试更改epsilon值以获得更好的群集质量。 Images文件夹包含一些生成的群集。 对于合成数据集，我们使用了月亮，斑点和圆形数据集。 运行代码的说明 - First generate the random dataset using dataset_generator.py. - It asks for number of points(or number of s

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：22mb
    • 提供者：weixin_42140716

  1. Math599_solution:Math599讲义的解决方案-源码

  2. Math599_solution Math599讲义的解决方案 01-矩阵-一些数字由陈泯儒，陈姿霖，赖昀，林靖恩，杨宗锜 02-矩阵-某些行向量通过高英培，徐浩云，林良埄，罗祖佑，颜廷维 03-矩阵-某些列向量由周柏呈，李子陵，刘彦均，黄龄谊，魏齐 04-矩阵-某些动作 05-解决斧头= -0 通过张辰瑜，张君玮，陈柏勋，吕淳泓，苏禹丞 06-解决斧-=-b 07-投影 08-正交基础 ，朱立民，施怡安，林其璜，颜廷维的2021S 09-光谱分解 向量的10种基础变更 11矩阵基础的更

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：603kb
    • 提供者：weixin_42128315

  1. exoplanet_clustering_gamma-源码

  2. 使用机器学习对系外行星进行分类。 执行摘要： 问题陈述：我可以使用无监督机器学习以新颖且有意义的方式对系外行星进行分类吗？ 在这个项目中，我将着手公开获得可用的系外行星数据，并应用无监督的机器学习来发现以前未知的分类和关系，这些分类和关系可能对未来的天文学家有用。 1.背景 从我小时候起，我就对天文学和外太空着迷。 我绝不是该领域的专家，但是现代生活中最令人兴奋的部分之一就是一直在发现着许多新世界。 这些系外行星有很大的潜力来了解我们周围的宇宙，因此我希望通过这个项目能学到更多。 什么是系外

  3. 所属分类：其它

  1. Credit-Card-Customer-Segmentation:无监督学习技术，可根据客户的信用卡消费习惯将其划分为多个部分-源码

  2. 无监督学习技术，可根据客户的信用卡消费习惯将其划分为多个部分 本项目使用以下方法/技术： K-Means聚类可将客户划分为四（4）和八（8）个细分市场。 尺寸缩减的PCA和自动编码。 分层聚类技术（聚集聚类，桦木），密度聚类技术（DBScan）和高斯混合。 为了判断聚类的质量，我使用了轮廓分数和轮廓图。

  3. 所属分类：其它

  1. intellivision_clustering-源码

  2. 智慧集群 描述符 尺寸 方法 calinski_harabasz_score davies_bouldin_score 聚类解释 osnet 200 迷你批次KMeans 23471 2.7 按颜色 osnet 200 DBSCAN欧几里得 45 2.9 不 osnet 200 DBSCAN余弦 20 9.1 不 高效网 200 迷你批次KMeans 111654 1.8 不 高效网 200 DBSCAN欧几里得 588 3.5 不 高效网 200

  3. 所属分类：其它

    • 发布日期：2021-03-13
    • 文件大小：17mb
    • 提供者：weixin_42131316

  1. DBSCAN-distributed:DBSCAN集群的Scala + Spark实现-源码

  2. DBSCAN分布式 DBSCAN集群算法的Scala + Spark实现 编译软件 下载和环境设置 首先在本地克隆存储库 git clone https://github.com/AlecioP/DBSCAN-distributed 然后移至本地存储库 cd DBSCAN-distributed 为了构建可以在EMR集群上远程执行的jar文件，我们使用包管理器（类似于MAVEN的JAVA和SCALA的包管理器） 要安装sbt，您必须已安装 ，请运行： MACOS brew install

  3. 所属分类：其它

  1. 4.-Customer-Segmentation-of-Online-Retail-Store--源码

  2. 4.在线零售商店的客户细分 在线零售是一个跨国数据集，其中包含2010年12月12日至2011年12月9日之间在英国注册的非商店在线零售发生的所有交易。 该公司主要销售各种场合的独特礼品。 公司的许多客户都是批发商。 我们的主要目标是根据RFM（汇率，频率和货币）细分客户。 使用的技术：MinMaxScaler K均值肘*廓分数分层聚类DBSCAN MeanShift

  3. 所属分类：其它

  1. Visualization_and_Catch_feature_in_industry:在产线机台变数上实现异常模式抓取，以及将机台参数视觉化-源码

  2. Visualization_and_Catch_feature_in_industry 在产线机台变数上实现异常模式抓取，以及将机台参数视觉化 根据不同批处理进行切分，将机台原始数值列在背景下，SMA为移动平均线，黑色虚线为前80％批处理其90％上下界，红点为后20％超过黑色虚线的资料点。 其中以DBSCAN分群法抓出多个不同的样式的批处理。

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：304kb
    • 提供者：weixin_42131601

  1. DBSCAN-源码

  2. DBSCAN

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：105kb
    • 提供者：weixin_42112685

  1. interaction_network_paper-源码

  2. 通过边缘分类交互网络进行带电粒子跟踪 回购组织 graph_construction / build_heptrkx_classic.py：HEP.TrkX构造算法，用于在像素桶层中构建图形，示例用法： python build_heptrkx_classic.py configs/heptrkx_classic.py build_heptrkx_plus.py：修改了HEP.TrkX构造算法，以在像素桶+端盖层中构建图形，示例用法： python build_heptrkx_plus.py

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：38mb
    • 提供者：weixin_42113380

  1. r-fpc-feedstock：r-fpc的conda-smithy存储库-源码

  2. 关于r-fpc 主页： : 套件授权：GPL-2.0或更高版本 原料许可证： 简介：集群和集群验证的各种方法。 定点聚类。 线性回归聚类。 通过合并高斯混合分量进行聚类。 对称和非对称判别投影，用于可视化分组的分离。 基于距离的聚类的聚类验证统计信息，包括校正的兰德指数。 通过随机聚类对聚类验证统计数据进行标准化，并在此基础上对许多聚类方法和聚类数量进行比较。 逐个群集的群集稳定性评估。 估计簇数的方法：Calinski-Harabasz，Tibshirani和Walther的预测强度

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：15kb
    • 提供者：weixin_42131890

  1. 808_用于业务分析的机器学习-源码

  2. 808_用于业务分析的机器学习注意 lec1：线性回归 lec2：Logistic回归 讲义3：逻辑回归2 第四讲：模型评估（精确度和召回率） 第五讲：Keras学习 讲座6：Tensorflow学习 讲座7：无监督学习（K均值和DBSCAN） Lec8_2：无监督学习（PCA） 讲座9：随机森林 Lec9_2：系统建议 Lec10：卷积神经网络 项目：猫猫图像识别 其他资源 我发现了150多种最佳的机器学习，NLP和Python教程 正则化 L1和L2有什么区别？ 在线资源学

  3. 所属分类：其它

  1. Splunk_ML_Toolkit_Algorithms：其他MLTK算法-源码

  2. Splunk_ML_Toolkit_Algorithms 其他MLTK算法 添加的第一个算法是OPTICS聚类算法。 这是对DBSCAN算法的某些改进。 scikit-learn实现（ ）使用默认设置，min_pts = 5并使用欧氏距离进行测量。 另外，max_eps是可以减少计算时间的有用功能。 需要检查您是否正确注册了算法？ 运行这个： | 休息/ servicesNS / nobody /-/ configs / conf-algos | 表标题

  3. 所属分类：其它

« 12 3 »