您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 基于改进K_均值算法在彩色图像分割中的应用

  2. 这是关于图像分割中的一个应用,主要是k均值的应用 可以借鉴一下
  3. 所属分类:其它

    • 发布日期:2010-04-23
    • 文件大小:133kb
    • 提供者:youmaoer
  1. kMeansCluster k均值聚类算法Matlab代码实现

  2. kMeansCluster k均值聚类算法Matlab代码实现,聚类里的经典算法。可以参考应用。
  3. 所属分类:其它

    • 发布日期:2010-05-09
    • 文件大小:6kb
    • 提供者:moxibingdao
  1. C#实现k均值聚类算法

  2. 应用c#实现k均值聚类算法,已通过调试,且安全无毒,请放心下载
  3. 所属分类:C/C++

    • 发布日期:2012-10-06
    • 文件大小:37kb
    • 提供者:guyuexuan437
  1. 一种用于文本聚类的改进的K均值算法

  2. 一种用于文本聚类的改进的K均值算法,优秀硕士毕业论文,对k均值方法在文本聚类中的应用进行了深入的分析。
  3. 所属分类:专业指导

    • 发布日期:2012-10-15
    • 文件大小:247kb
    • 提供者:gcliupeng
  1. 基于K均值聚类和概率松弛法的图像区域分割

  2. 在进行图像区域分割时, 为了减少过度分割现象, 可利用K 均值算法简单、快速并且能够有效地处理大数据库的优点及概率松弛算法并行快速且考虑空间信息的优点, 同时考虑灰度信息和空间信息将两种方法相结合应用于图像的区域分割。首先利用K 均值聚类方法将图像初步分为多个类, 然后, 利用迭代的概率松弛法对粗分结果进行优化, 对一些疑似像素进行进一步分割和目标提取。实验结果表明, 该算法比较简单且具有良好的特性。
  3. 所属分类:C++

    • 发布日期:2015-11-03
    • 文件大小:209kb
    • 提供者:qq_30683647
  1. 基于粗糙集的K-均值聚类算法在图像分割中的应用.pdf

  2. 基于粗糙集的K-均值聚类算法在图像基于粗糙集的K-均值聚类算法在图像分割中的应用.pdf分割中的应用.pdf
  3. 所属分类:其它

    • 发布日期:2009-03-21
    • 文件大小:133kb
    • 提供者:fangyulong126
  1. k均值聚类算法的原理与matlab实现

  2. 初始聚类中心给定。K均值聚类算法首先是聚类算法。K均值算法是一种简单的迭代型聚类算法,采用距离作为相似性指标,从而发现给定数据集中的K个类,且每个类的中心是根据类中所有值的均值得到,每个类用聚类中心来描述。它将相似的对象归到同一个簇中,聚类方法几乎可以应用于所有对象,簇内的对象越相似,聚类的效果越好,之所以称之为K-均值是因为它可以发现k个不同的簇。
  3. 所属分类:机器学习

    • 发布日期:2018-04-20
    • 文件大小:1mb
    • 提供者:qq_22417447
  1. 基于密度参数K-均值算法的RBF网络及其在降水量预测中的应用

  2. 基于密度参数K-均值算法的RBF网络及其在降水量预测中的应用,郭皓,邢贞相,径向基函数(Radial Basis Function,简称RBF)神经网络是一种收敛速度快、逼近能力强的曲型神经网络,为提高网络的训练速度,本文采用基
  3. 所属分类:其它

    • 发布日期:2019-12-31
    • 文件大小:544kb
    • 提供者:weixin_38646634
  1. 基于主成分分析和改进K均值算法的极化气象卫星数据处理软件分类

  2. 随着气象卫星地面系统应用软件的日益丰富,如何提供合理的硬件资源,提高软件的效率越来越受到关注。 本文提出了一套基于软件运行特性的软件分类方法。 该方法使用软件运行时资源消耗来描述软件运行特征。 首先,主成分分析(PCA)用于减小软件运行特征数据的维数并解释软件特征信息。 然后采用改进的K-means算法对气象数据处理软件进行分类。 最后,它与主成分分析结果相结合,以解释各种类型的集成软件运行特性的重要性。 作为优化软件硬件资源分配和提高软件运行效率的基础。
  3. 所属分类:其它

  1. 改进的k-均值算法在聚类分析中的应用

  2. 介绍了在聚类中广泛应用的经典k-均值算法,并针对其易受随机选择初始聚类中心和孤立点的影响的不足,给出了改进的k-均值算法。首先使用距离法移除孤立点,然后采用邻近吸收法对初始聚类中心的选择进行了改进。并做了改进前后的对比实验和应用。结果表明,改进后的算法比较稳定、准确,受孤立点和随机选择初始聚类中心的影响也有所降低。
  3. 所属分类:其它

    • 发布日期:2020-06-26
    • 文件大小:174kb
    • 提供者:weixin_38562626
  1. 粗糙集连续属性离散化的k均值方法

  2. 为在应用粗糙集理论处理数据时,对连续属性进行离散化预处理,采用k均值算法对连续属性进行离散化的方法,将属性无监督聚类成两类.通过在UCI数据库上选取的4组数据进行实验,首先离散化,再通过粗糙集约简,最后使用k NN(k=10)分类器,并和其他两种离散化方法进行对比.研究结果表明:该方法能够提高离散化的效率,降低实验的复杂度,并有效减少断点数.
  3. 所属分类:其它

    • 发布日期:2020-06-28
    • 文件大小:613kb
    • 提供者:weixin_38709816
  1. K-均值聚类算法研究

  2. 【摘要】 目前,对于聚类问题的研究普遍存在于社会生活中的各个领域,如模式识别、图像处理、机器学习和统计学等。关于对生活中各种各样的数据的聚类分类问题已经成为众多学者的研究热题之一。聚类和分类的区别在于,聚类没有任何先验知识可循,要通过数据自身的特点,将数据自动的划分到不同的类别中。聚类的基本形式定义为“在已给的数据集合中寻找数据点集的同类集合。每一个集合叫做一个类,并确定了一个区域,在区域中对象的密度高于其他区域中的密度。”聚类方法有很多种,其中最简单的形式便是划分式聚类,划分式聚类试图将给定的
  3. 所属分类:互联网

    • 发布日期:2020-07-04
    • 文件大小:3mb
    • 提供者:songzailu6482
  1. K均值算法–应用

  2. 1应用K-means算法进行图片压缩 读取一张图片 观察图片文件大小,占内存大小,图片数据结构,线性化 用kmeans对图片像素颜色进行聚类 获取每个像素的颜色类别,每个类别的颜色 压缩图片生成:以聚类中收替代原像素颜色,还原为二维 观察压缩图片的文件大小,占内存大小 代码如下: from sklearn.datasets import load_sample_image from sklearn.cluster import KMeans import matplotlib.pyplot as
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:390kb
    • 提供者:weixin_38740328
  1. K均值算法–应用

  2. 1应用K-means算法进行图片压缩 读取一张图片 观察图片文件大小,占内存大小,图片数据结构,线性化 用kmeans对图片像素颜色进行聚类 获取每个像素的颜色类别,每个类别的颜色 压缩图片生成:以聚类中收替代原像素颜色,还原为二维 观察压缩图片的文件大小,占内存大小 代码如下: from sklearn.datasets import load_sample_image from sklearn.cluster import KMeans import matplotlib.pyplot as
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:390kb
    • 提供者:weixin_38668335
  1. LKM:基于LDA的K均值聚类算法,用于移动传感器网络中入侵检测的数据分析

  2. 由移动节点组成的移动传感器网络(MSN)对网络攻击敏感。 入侵检测系统(IDS)是一种主动网络安全技术,可以保护网络免受攻击。 在IDS的数据收集阶段,由于在多维空间中收集的高维数据,对随后的数据分析和响应阶段施加了巨大压力。 因此,用于入侵检测的传统方法将不再适用于MSN。 为了提高数据分析的性能,我们将K-means算法应用于高维数据聚类分析。 因此,提出了一种改进的基于线性判别分析(LDA)的K均值聚类算法,称为LKM算法。 在该算法中,我们首先应用LDA的降维将高维数据集划分为二维数据集
  3. 所属分类:其它

  1. 基于K均值聚类的智能建筑应用电气设备识别。

  2. 随着建筑物联网(BIoT)系统的发展和广泛应用,连接了多种类型的设备,并收集了大量的设备数据。 为方便设备管理,应标识设备并贴上标签。 传统上,此过程是手动执行的,这不仅费时,而且会导致不可避免的遗漏。 在本文中,我们针对智能建筑应用提出了一种基于k均值聚类的电气设备识别方法,可以自动识别连接到BIoT系统的未知设备。 首先,分析负载特性,并从收集的数据中提取用于设备识别的电气特性。 其次,两次使用k-means聚类来构建识别模型。 初步聚类采用传统的k均值算法对总谐波电流畸变数据进行分析,并根
  3. 所属分类:其它

  1. 具有自动拆分和合并群集的鲁棒K均值算法及其在监控数据中的应用

  2. 具有自动拆分和合并群集的鲁棒K均值算法及其在监控数据中的应用
  3. 所属分类:其它

    • 发布日期:2021-03-07
    • 文件大小:768kb
    • 提供者:weixin_38672794
  1. 具有自动拆分和合并群集的鲁棒K均值算法及其在监控数据中的应用

  2. 具有自动拆分和合并群集的鲁棒K均值算法及其在监控数据中的应用
  3. 所属分类:其它

  1. 利用邻域模型的K-Means算法初始化方法

  2. 作为一种简单的聚类方法,传统的K-Means算法已被广泛讨论并应用于模式识别和机器学习。 但是,K-Means算法不能保证唯一的聚类结果,因为初始聚类中心是随机选择的。 本文基于基于邻域的粗糙集模型,定义了对象邻域的内聚度和对象邻域之间的耦合度。 此外,提出了一种新的初始化方法,并分析了相应的时间复杂度。 我们研究了这三个准则对聚类的影响,并用三种不同的初始化方法比较了K均值的聚类结果。 实验结果说明了该方法的有效性。
  3. 所属分类:其它

    • 发布日期:2021-02-23
    • 文件大小:551kb
    • 提供者:weixin_38668160
  1. i2mtc-2021:此脚本用于报告会议文章的结果:“使用K均值的体外LSCI图像中的血管定位”-源码

  2. 使用K均值的体外LSCI图像中的血管定位 该存储库具有实现会议文章中描述的方法的功能:使用在“ 图像在体外的LSCI图像中进行血管定位” ,这是项目“血管的可视化和定位”的一部分而开发的。 抽象的 激光散斑对比度成像中血管的可视化和定位是生物医学应用(例如皮肤病学,神经科学和眼科学)中的一项重要任务,因为它可以确定血管的存在并评估诸如血流的性质。 这项工作建立了可视化方法的综述,用于对比度计算和激光散斑对比度成像的改进。 另外,通过聚类以自动方式提出了血管的定位。 结果表明,血管的定位很大程度上
  3. 所属分类:其它

« 12 3 4 5 »