您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 图像分割 (阈值迭代法和K-均值聚类法) ^o^

  2. bmp格式的 最近写的 用的方法是阈值迭代法和K-均值聚类法
  3. 所属分类:其它

    • 发布日期:2009-12-17
    • 文件大小:1mb
    • 提供者:nanchi
  1. 基于核的K-均值聚类

  2. :将核学习方法的思想应用于K-均值聚类中,提出了一种核K-均值聚类算法,算法的主要思想是:首先将原空间中待聚类的样本经过 一个非线性映射,映射到一个高维的核空间中,突出各类样本之间的特征差异,然后在这个核空间中进行K-均值聚类。同时还将一种新的核 函数应用于核K-均值聚类中以提高算法的速度。为了验证算法的有效性,分别利用人工和实际数据进行K-均值聚类和核K-均值聚类,实验结 果显示对于一些特殊的类分布数据,核K-均值聚类比K-均值聚类具有更好的聚类效果
  3. 所属分类:其它

    • 发布日期:2009-12-24
    • 文件大小:138kb
    • 提供者:qingchun456
  1. K均值聚类算法,很经典的一个聚类方法。

  2. K均值聚类算法,很经典的一个聚类方法。对于学习数据挖掘很有帮助。
  3. 所属分类:其它

    • 发布日期:2010-03-03
    • 文件大小:176kb
    • 提供者:lswhwxyh
  1. 新的K-均值算法最佳聚类数确定方法

  2. 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。
  3. 所属分类:互联网

  1. 改进的 k均值聚类方法,供参考

  2. 改进的 k均值聚类方法,利用vc++实现,方便大家参考。
  3. 所属分类:C++

    • 发布日期:2011-05-24
    • 文件大小:1mb
    • 提供者:yufang2009
  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. K均值聚类代码

  2. 模式识别聚类分析中的K均值聚类方法,对给定的样本数据(7个),通过聚类分类,返回类别编号,代码有注释能直接运行主函数。
  3. 所属分类:教育

    • 发布日期:2017-03-31
    • 文件大小:789byte
    • 提供者:mzl_18353516147
  1. K均值聚类运用代码

  2. 模式识别聚类分析中的K均值聚类方法,当两类样本的数量和方差相差很大时进行聚类分析,代码有注释能直接运行主函数,简单明了。
  3. 所属分类:教育

    • 发布日期:2017-03-31
    • 文件大小:940byte
    • 提供者:mzl_18353516147
  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. 彩色图像分割的聚类方法比较

  2. 该代码(matlab)实现了彩色图像分割中聚类方法的比较 测试方法包括: 基于斜率差分布的聚类 Otsu聚类 最大期望聚类 模糊C均值聚类 K均值聚类
  3. 所属分类:互联网

    • 发布日期:2020-06-22
    • 文件大小:436kb
    • 提供者:qq_28905087
  1. K均值聚类地下水水化学特征的水文地质单元划分

  2. 在对传统的水文地质单元划分方法不足分析的基础上,提出了以地下水水化学特征来进行水文地质单元划分的方法,并采用传统的K均值聚类法对平顶山煤田的寒武灰岩进行水文地质单元划分,取得了良好的效果,为水文地质单元的划分提供了新的理论方法。
  3. 所属分类:其它

    • 发布日期:2020-07-06
    • 文件大小:442kb
    • 提供者:weixin_38595019
  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. 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. kmeaningful:DSCI 524第16组-用于自动进行k均值聚类工作流的软件包-源码

  2. 有意义的 您是否遇到过其中似乎具有不同模式的数据集? 您是否曾经尝试将相似的事物组合到一个数据集中,并根据您的发现分配一个新的样本? 我们创造了kmeaningful的帮助解决此类问题的方法。 kmeaningful是一个Python程序包,它使用k-means算法来查找聚类并为它们分配新的数据点。 它还包含有助于数据预处理,超参数调整和可视化群集的功能。 K有意义的在Python生态系统中的地位 已经存在一些在Python中实现k-means聚类的软件包。 最值得注意的是,有Scikit学
  3. 所属分类:其它

    • 发布日期:2021-03-14
    • 文件大小:303kb
    • 提供者:weixin_42136837
  1. 改进的K均值聚类红外目标检测方法

  2. 利用图像方差能很好地反映目标边缘信息的特点,提出一种基于方差的K均值聚类红外目标检测算法。利用形态学方法对红外图像进行预处理,运用相应的模板计算得到红外图像的方差图像,利用K均值聚类算法对方差图像进行聚类,从而分离出目标类别和背景类别。实验表明,该算法提取的红外图像中目标信息的兰德指数最高,说明该算法能有效地提取红外图像中目标信息,从而达到目标检测的目的。
  3. 所属分类:其它

    • 发布日期:2021-03-11
    • 文件大小:440kb
    • 提供者:weixin_38499553
  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. 多中心的非平衡K-均值聚类方法

  2. 多中心的非平衡K-均值聚类方法
  3. 所属分类:其它

    • 发布日期:2021-03-04
    • 文件大小:324kb
    • 提供者:weixin_38727694
  1. 基于空间句法和改进的K均值聚类的图嵌入方法

  2. 基于空间句法和改进的K均值聚类的图嵌入方法
  3. 所属分类:其它

    • 发布日期:2021-02-26
    • 文件大小:253kb
    • 提供者:weixin_38702417
  1. 无监督机器学习:虹膜数据集上的K均值聚类-源码

  2. 无监督机器学习 虹膜数据集上的K均值聚类 问题:问题是为虹膜数据集提供最佳聚类。 解决方案:我已经使用Elbow方法来找到最佳聚类的数量。 然后提出了K均值聚类算法,并将结果可视化。
  3. 所属分类:其它

    • 发布日期:2021-02-23
    • 文件大小:118kb
    • 提供者:weixin_42139252
  1. 具有K均值聚类和DBSCAN的CitiBike数据网络分析-源码

  2. 具有K均值聚类和DBSCAN的CitiBike数据网络分析 该存储库使用网络科学方法和聚类技术检查CitiBike数据。 该数据可在上获得,而行程历史数据可在 。 csv.zip 2019年11月5日,05:10:56 pm用于此实验)。 使用K-means聚类和DBSCAN对自行车站网络进行进一步分析。 该文件包含以下属性-行程持续时间(秒),开始时间和日期,停止时间和日期,开始站点,名称,结束站点名称,站点ID,站点纬度/经度,自行车ID,用户类型(客户= 24小时通行证或3天通行证用户;
  3. 所属分类:其它

    • 发布日期:2021-02-13
    • 文件大小:226kb
    • 提供者:weixin_42151036
« 12 3 4 5 6 7 8 9 10 »