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. 基于K-均值聚类的神经切片图像功能束类型识别研究

  2. 针对周围神经物理切片图像中不同类型的神经功能束染色后显示出的特异性，提出了一种基于K-均值聚类的神经切片染色图像中神经功能束类型识别的方法。首先通过特征分析与提取决定以灰度均值μ和方差σ2作为纹理特征，然后运用本文算法对神经切片染色图像中的不同类型神经功能束进行聚类和识别。通过在人体周围神经组织切片图像上的实验证明，该算法能对神经切片染色图像中的神经功能束类型进行有效分类识别。

  3. 所属分类：其它

    • 发布日期：2020-10-19
    • 文件大小：423936
    • 提供者：weixin_38721398

  1. 基于聚类算法的RBF神经网络设计综述

  2. 简要分析了径向基函数(RBF)神经网络。在此基础上，介绍了K-均值聚类算法的神经网络、C-均值聚类算法的神经网络和PAM聚类算法的神经网络三种聚类算法的RBF神经网络。展望了基于聚类的RBF神经网络设计的发展趋势。

  3. 所属分类：其它

    • 发布日期：2020-10-18
    • 文件大小：514048
    • 提供者：weixin_38733733

  1. 一种模糊聚类KNN位置指纹定位算法

  2. 阐述了位置指纹定位算法在室内WLAN环境中的应用，分析了KNN定位算法存在的不足，提出一种模糊聚类KNN位置指纹定位算法。该算法首先选取与空间相关性较好的4个信号参数，构成多径纹信号数据库；然后应用主分量分析法（PCA）对原始信号数据库作降维运算，滤除奇异性接入点（AP）；最后用模糊C均值聚类算法（FCM）处理数据，进一步滤除奇异性参考点（RP），实现提高定位算法效率与精度的目的。实验表明，改进后的定位算法产生的定位误差明显减小。

  3. 所属分类：其它

    • 发布日期：2020-10-18
    • 文件大小：436224
    • 提供者：weixin_38716556

  1. 一种新的最佳聚类数确定方法

  2. 为了更有效地确定数据集的最佳聚类数，提出一种新的确定数据集最佳聚类数的算法。该算法借签层次聚类的思想，一次性地生成所有可能的划分，然后根据有效性指标选择最佳的聚类划分，进而获得最佳聚类数。理论分析和实验结果证明，该算法具有良好的性能。

  3. 所属分类：其它

    • 发布日期：2020-10-18
    • 文件大小：327680
    • 提供者：weixin_38551749

  1. 基于方向导数纹理描述子的纹理图像聚类

  2. 在深入分析CS-LBP、ICS-LBP、 FCS-LBP、ECS-LBP的基础上，提出了一种4维的快速纹理描述子。该描述子计算4个方向的方向导数，在维数由CS-LBP、ICS-LBP、 FCS-LBP的16维降到了4维的同时，较CS-LBP、ICS-LBP、 FCS-LBP、ECS-LBP具有更好的区分能力，对纹理图像的聚类准确度更高，描述子计算时间平均在CS-LBP、ICS-LBP、 FCS-LBP、ECS-LBP的以内。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：467968
    • 提供者：weixin_38640984

  1. 基于邻域保持嵌入的时间序列聚类融合算法

  2. 时间序列的维数比较大，直接对时间序列进行聚类性能不理想。如何提高时间序列的聚类性能，是主要研究点。首先使用邻域保持嵌入对时间序列样本维数约简，然后对维数约简后的数据进行聚类融合，最后将它的聚类性能与已有方法如主成分分析、分段聚合近似进行比较。实验表明，所提出的算法更能提高聚类性能。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：245760
    • 提供者：weixin_38616330

  1. 基于软加权映射的局部聚类向量表示方法

  2. 基于特征码本的图像分类方法依赖于需要特征向量与聚类中心之间的映射，然而硬加权映射方法导致了相似的特征向量被映射为不同的聚类中心，从而降低了分类的查全率。为此提出一种基于软加权映射的局部聚类向量表示方法。该方法首先用k均值算法将特征向量聚类为k个聚类中心，采用最近邻算法寻找最接近的s个聚类中心，通过特征向量与聚类中心之间的相似度和邻近程度构建软加权映射的局部聚类向量，然后统计特征直方图，最后用主成分分析减少特征直方图维度。实验结果分析表明，相比较硬加权映射方法，文中方法提高了约5%的分类准确率。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：501760
    • 提供者：weixin_38635682

  1. Web文档聚类中k-means算法的改进

  2. 介绍了Web文档聚类中普遍使用的、基于分割的k-means算法,分析了k-means算法所使用的向量空间模型和基于距离的相似性度量的局限性,从而提出了一种改善向量空间模型以及相似性度量的方法。

  3. 所属分类：其它

    • 发布日期：2020-10-26
    • 文件大小：198656
    • 提供者：weixin_38715567

  1. 基于布谷鸟搜索的聚类推荐算法研究综述

  2. 目前推荐系统研究面临的主要问题是如何提高推荐准确度和用户满意度。为克服原始推荐算法和现存改进算法的局限性，利用一种具有较强全局搜索能力的智能优化算法 — —布谷鸟搜索算法，结合 K-means聚类算法进行改进。在此基础上，设计了应用于 Movielens数据集基于布谷鸟搜索的聚类推荐系统总体框架，对其中关键技术和目前存在问题进行了分析，并指出接下来需开展的研究工作。

  3. 所属分类：算法与数据结构

    • 发布日期：2020-12-05
    • 文件大小：1048576
    • 提供者：kamo54

  1. Python聚类算法之DBSACN实例分析

  2. 本文实例讲述了Python聚类算法之DBSACN。分享给大家供大家参考，具体如下： DBSCAN：是一种简单的，基于密度的聚类算法。本次实现中，DBSCAN使用了基于中心的方法。在基于中心的方法中，每个数据点的密度通过对以该点为中心以边长为2*EPs的网格(邻域)内的其他数据点的个数来度量。根据数据点的密度分为三类点: 核心点：该点在邻域内的密度超过给定的阀值MinPs。 边界点：该点不是核心点，但是其邻域内包含至少一个核心点。 噪音点：不是核心点，也不是边界点。 有了以上对数据点的划分，聚合可

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：61440
    • 提供者：weixin_38530211

  1. K-means聚类算法介绍与利用python实现的代码示例

  2. 聚类 今天说K-means聚类算法，但是必须要先理解聚类和分类的区别，很多业务人员在日常分析时候不是很严谨，混为一谈，其实二者有本质的区别。 分类其实是从特定的数据中挖掘模式，作出判断的过程。比如Gmail邮箱里有垃圾邮件分类器，一开始的时候可能什么都不过滤，在日常使用过程中，我人工对于每一封邮件点选“垃圾”或“不是垃圾”，过一段时间，Gmail就体现出一定的智能，能够自动过滤掉一些垃圾邮件了。这是因为在点选的过程中，其实是给每一条邮件打了一个“标签”，这个标签只有两个值，要么是“垃圾”，要么“

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：344064
    • 提供者：weixin_38504687

  1. 聚类算法：K-means聚类图像分割

  2. 1 K-Means聚类 K-Means聚类是最常用的聚类算法，最初起源于信号处理，其目标是将数据点划分为K个类簇，找到每个簇的中心并使其度量最小化。该算法的最大优点是简单、便于理解，运算速度较快，缺点是只能应用于连续型数据，并且要在聚类前指定聚集的类簇数。 下面是K-Means聚类算法的分析流程，步骤如下： 第一步，确定K值，即将数据集聚集成K个类簇或小组。 第二步，从数据集中随机选择K个数据点作为质心（Centroid）或数据中心。 第三步，分别计算每个点到每个质心之间的距离，并将每个点划分到

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：159744
    • 提供者：weixin_38639642

  1. C#图像颜色聚类高效方法实例

  2. 本文实例讲述了C#图像颜色聚类高效方法。分享给大家供大家参考。具体分析如下： 图像颜色聚类的方法有很多，但是对于视频监控而言，现有方法很难满足实时性的要求，这里介绍一种位屏蔽压缩的方法实现颜色聚类，可以满足实时性的要求。 位屏蔽法就是在3D的RGB真彩空间中近似均匀采样的颜色压缩方法，即将屏蔽的颜色位置设置为0，具体可以采用移位运算来实现，这里我们以屏蔽RGB颜色分量末6位为例： public Bitmap PCluster(Bitmap a) { try { Rectangle

  3. 所属分类：其它

    • 发布日期：2020-12-31
    • 文件大小：92160
    • 提供者：weixin_38738511

  1. 基于局部密度构造相似矩阵的谱聚类算法

  2. 依据样本数据点分布的局部和全局一致性特征,提出了一种基于局部密度构造相似矩阵的谱聚类算法。首先通过分析样本数据点的分布特性给出了局部密度定义,根据样本点的局部密度对样本点集由密到疏排序,并按照设计的连接策略构建无向图;然后以GN算法思想为参考,给出了一种基于边介数的权值矩阵计算方法,经过数据转换得到谱聚类相似矩阵;最后通过第一个极大本征间隙出现的位置来确定类个数,并利用经典聚类方法对特征向量空间中的数据点进行聚类。通过人工仿真数据集和UCI数据集进行测试,实验结果表明本文谱聚类算法具有较好的顽健

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：566272
    • 提供者：weixin_38605801

  1. Mall-Customer-Segmentation:使用Kmeans聚类的Mall客户细分-源码

  2. 商城-客户细分 在这个项目中，我对商城客户数据进行了探索性数据分析。 此外，我使用了K-均值聚类算法来创建客户细分（不同类型的客户群）。 数据 数据集中的功能 客户ID-这是分配给客户的唯一ID 性别-客户的性别 年龄-客户的年龄（以年为单位） 年收入（k $）-客户的年收入（k $） 支出得分-商场/购物中心根据客户的支出性质和行为分配给客户的得分

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：459776
    • 提供者：weixin_42169245

  1. 基于组合聚类的cDNA微阵列图像分割方法

  2. 通过同时分析数千种基因表达，微阵列技术在得出有用的生物学结论中起着重要作用。 特别地，图像分析是微阵列分析中的关键步骤，其准确性在很大程度上取决于分割。 基于聚类的分割的开创性工作表明，k-means聚类算法和移动k-means聚类算法是微阵列图像处理中的两种常用方法。 然而，由于真实的微阵列图像包含大小，形状和对比度不同的噪声，伪像和斑点，因此它们通常面临令人满意的结果。 为了提高分割精度，在本文中，我们提出了一种基于组合聚类的分割方法，该方法可能更可靠并且能够自动分割斑点。 首先，这种新方法

  3. 所属分类：其它

    • 发布日期：2021-03-25
    • 文件大小：2097152
    • 提供者：weixin_38545243

  1. 大规模社交数据聚类的一种新的可视化分析方法

  2. 大规模社交数据聚类的一种新的可视化分析方法

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：737280
    • 提供者：weixin_38596267

  1. 通过双聚类更新可见性矩阵来检测和分析大规模BGP事件

  2. 通过双聚类更新可见性矩阵来检测和分析大规模BGP事件

  3. 所属分类：其它

    • 发布日期：2021-03-23
    • 文件大小：633856
    • 提供者：weixin_38623255

  1. 基于KL散度的驾驶员驾驶习性非监督聚类

  2. 为深入理解不同驾驶员的驾驶行为特点,本文中提出了一种基于KL散度的驾驶员驾驶习性非监督聚类算法。首先,建立了驾驶员驾驶数据实车道路试验采集平台,对84位驾驶员进行了测试;接着,将每名驾驶员的驾驶数据视为一个高斯混合模型(GMM),采取EM算法对其进行参数估计;最后,通过蒙特卡洛算法对各GMM之间的KL散度进行估计,从而获得不同驾驶员差异性的定量描述,将驾驶员聚为不同习性类别。对聚类后各类驾驶员的驾驶数据的统计分析表明,所提出的非监督聚类算法能有效实现不同驾驶习性驾驶员的聚类。

  3. 所属分类：其它

    • 发布日期：2021-03-21
    • 文件大小：2097152
    • 提供者：weixin_38680247

  1. 鸢尾花IRIS数据集-聚类分析机器学习

  2. 鸢尾花IRIS数据集-聚类分析机器学习

  3. 所属分类：互联网

    • 发布日期：2021-03-20
    • 文件大小：30720
    • 提供者：pamelaaaaa
« 1 2 ... 45 46 47 48 49 50»