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. K-means聚类

  2. K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数

  3. 所属分类：C++

    • 发布日期：2014-09-01
    • 文件大小：2kb
    • 提供者：baidu_20289517

  1. 聚类算法K-means

  2. K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。

  3. 所属分类：C/C++

    • 发布日期：2018-04-29
    • 文件大小：893byte
    • 提供者：weixin_42103280

  1. K-means 聚类算法

  2. K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。

  3. 所属分类：机器学习

    • 发布日期：2018-06-01
    • 文件大小：25kb
    • 提供者：weixin_42359195

  1. k-means聚类

  2. K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。

  3. 所属分类：机器学习

    • 发布日期：2018-06-06
    • 文件大小：5kb
    • 提供者：zhaotianqi1994

  1. k-means 聚类

  2. K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。

  3. 所属分类：其它

    • 发布日期：2018-01-23
    • 文件大小：745byte
    • 提供者：wanziiiiiiii

  1. k-means算法例程

  2. k-means例程，解决多分类问题.K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。

  3. 所属分类：专业指导

    • 发布日期：2018-12-20
    • 文件大小：655kb
    • 提供者：snym_yl

  1. K-means算法是硬聚类算法

  2. 熟悉k聚类算法，K-means算法是硬聚类算法

  3. 所属分类：机器学习

  1. SparkK-Means

  2. K-Means是被应用的最广泛的基于划分的聚类算法，是一种硬聚类算法，属于典型的局域原型的目标函数聚类的代表。算法首先随机选择k个对象，每个对象初始地代表一个簇的平均值或者中心。对于剩余的每个对象，根据其到各个簇中心的距离，把他们分给距离最小的簇中心，然后重新计算每个簇平均值。重复这个过程，直到聚类准则则函数收敛。准则函数一般采用两种方式：第一种是全局误差函数，第二种是前后两次中心误差变化。与分类不同，分类是监督学习，要求分类前明确各个类别，并断言每个元素映射到一个类别，而聚类是观察式学习，在聚

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：104kb
    • 提供者：weixin_38734037