Search - K-medoids

Search - K-medoids - List

[matlab] MyKmeans DL : 0: 实现聚类K均值算法： K均值算法：给定类的个数K，将n个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小。缺点：产生类的大小相差不会很大，对于脏数据很敏感。改进的算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了，下面就再转到2。 4，这样循环直到K个medoids固定下来。这种算法对于脏数据和异常数据不敏感，但计算量显然要比K均值要大，一般只适合小数据量。-achieving K-mean clustering algorithms : K-means algorithm : given the number of Class K, n will be assigned to target K to 000 category, making target category of the similarity between the largest category of the similarity between the smallest. Disadvantages : class size have no great difference for dirty data is very sensitive. Improved algorithms : k-medoids methods. Here a selection of objects called mediod to replace the center of the above, the logo on a medoid this category. Steps : 1, arbitrary selection of objects as K medoids (O1, O2, Ok ... ... Oi). Following is a cycle : 2, the remaining targets assigned to each category (in accordance with the closest medoid principle); 3, for each category (Oi), the order of selection of a Or, calculated Oi Or replace the consumption-E (Or)
Date : 2025-12-24 Size : 1kb User : 阿兜
[matlab] DFT分析模拟信号频谱 DL : 0: 应用傅里叶变换DFT，分析各种离散信号x(k)的频谱。离散周期信号可以展开成傅里叶级数，所以离散周期信号的频谱是一个周期的周期性离散频谱，各谱线之间的间隔为，而且存在着谐波的关系。 -DFT application of the Fourier transform, analyze discrete signal x (k) of the spectrum. Discrete signal cycle can begin as Fourier series, the discrete signal spectrum is a cyclical cycle of discrete spectrum, the line between the interval, but there is a harmonic relationship.
Date : 2025-12-24 Size : 38kb User : 殷开
[matlab] K-C DL : 0: 这是一个K中心点聚类算法C实现的,希望对大家有用-K this is a clustering algorithm C to achieve a focal point, and I hope useful for everyone
Date : 2025-12-24 Size : 2kb User : 黎艺行
[matlab] cskmeans DL : 0: cskmeans 聚类算法的一种 1. 分裂法(partitioning methods)：给定一个有N个元组或者纪录的数据集，分裂法将构造K个分组，每一个分组就代表一个聚类，K<N。而且这K个分组满足下列条件：（1）每一个分组至少包含一个数据纪录；（2）每一个数据纪录属于且仅属于一个分组（注意：这个要求在某些模糊聚类算法中可以放宽）；对于给定的K，算法首先给出一个初始的分组方法，以后通过反复迭代的方法改变分组，使得每一次改进之后的分组方案都较前一次好，而所谓好的标准就是：同一分组中的记录越近越好，而不同分组中的纪录越远越好。使用这个基本思想的算法有：K-MEANS算法、K-MEDOIDS算法、CLARANS算法；
Date : 2025-12-24 Size : 1kb User : lance
[matlab] k_medoids DL : 0: 聚类算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了，下面就再转到2。 4，这样循环直到K个medoids固定下来。这种算法对于脏数据和异常数据不敏感，但计算量显然要比K均值要大，一般只适合小数据量。这里是MAtlab源代码。-err
Date : 2025-12-24 Size : 9kb User : 烈马
[matlab] KMedoids DL : 0: 聚类K-Medoids算法。文件里面包含了详细的程序说明和示例。-K-Medoids clustering algorithm.The file contains a detailed description of the procedures and examples.
Date : 2025-12-24 Size : 19kb User :
[matlab] kMedoids DL : 2: k-中心聚类算法的matlab实现。直接读取文档数据，没有维限制。-k-Medoids clustering algorithm matlab implementation. Document data read directly, there is no dimension restrictions.
Date : 2025-12-24 Size : 2kb User : 飞
[matlab] newkqpso DL : 0: 对k-medoids与qpso结合的算法进行改进。选择调用qpso优化，降低运行时间，提高算法的执行效率。-Pairs of k-medoids algorithm combined with the qpso improvements. Select call qpso optimization, reducing operating time and improve the efficiency of the implementation of the algorithm.
Date : 2025-12-24 Size : 2kb User : 飞
[matlab] k-medoids DL : 1: k-medoids实现网络社区聚类，含有使用说明书和算法原理-k-medoids clustering for network communities, containing instructions and algorithm theory
Date : 2025-12-24 Size : 18kb User : yq
[matlab] kcenters DL : 0: K中心聚类算法，声明：本源程序由网络搜集整理，不承担技术及版权问题!-K center clustering algorithm, the statement: This source collected by the network, does not bear the technical and copyright issues!
Date : 2025-12-24 Size : 2kb User : cyz
[matlab] BAMIC DL : 0: 该代码使用BAMIC方法实现数据挖掘中多示例聚类方法来解决分类问题。-BAMIC performs multi-instance clustering by adapting k-medoids algorithm to deal with objects described using bags of instances
Date : 2025-12-24 Size : 3kb User : KXJ
[matlab] K-medoids-with-the-analysis- DL : 0: 基于聚类的K中心点算法，附带说明文档，代码简单高效，很好的利用了矩阵的代数运算。数学思想较为高深，但通过仔细研读说明文档和动手操作，matlab数学分析能力可以得到有效的提高-K medoids clustering annotated document, the code is simple and efficient, good use of matrix algebra operations. Mathematical thinking is more profound, but by carefully studying the documentation and hands-on the Matlab mathematical analysis ability can be effective to improve
Date : 2025-12-24 Size : 10kb User : 菜包
[matlab] kmedoids DL : 0: matlab 例程，很简单的且很容易理解的k-medoids聚类算法源代码-matlab routines, very simple and very easy to understand k-medoids clustering algorithm source code
Date : 2025-12-24 Size : 1kb User : zhangbl
[matlab] awlz_kmedoids DL : 0: K-Medoids in Matlab 20-K-Medoids in Matlab 2011
Date : 2025-12-24 Size : 2kb User : Marc Brauns
[matlab] K-Kmedoids DL : 0: k -medoids algorithm is a clustering algorithm related to the k -means algorithm and the medoidshift algorithm.
Date : 2025-12-24 Size : 51kb User : rasool
[matlab] comparative-study DL : 0: Comparative Study of K-Means and K-Medoids
Date : 2025-12-24 Size : 8kb User : Karthi
[matlab] k-medoids DL : 0: 聚类算法中的k-medoids算法，和 k-means 肯定是非常相似的。事实也确实如此，k-medoids 可以算是 k-means 的一个变种。k-medoids 和 k-means 不一样的地方在于中心点的选取，在 k-medoids 算法中，我们将从当前 cluster 中选取这样一个点——它到其他所有（当前 cluster 中的）点的距离之和最小——作为中心点。-Clustering algorithm k-medoids algorithm, and k-means is certainly very similar. The fact is, k-medoids can be regarded as a variant of k-means. k-medoids and k-means not the same place that the center of the selection, in the k-medoids algorithm, we will the current cluster in a point- its distance to all other (current cluster of) the point of and the minimum- as a central point.
Date : 2025-12-24 Size : 14kb User : 赵小娟
[matlab] KEMDOID DL : 0: Source Code of K-Medoids
Date : 2025-12-24 Size : 2kb User : Shah
[matlab] 101259363Desktop DL : 0: 传统的K-medoids聚类算法的聚类结果随初始中心点的不同而波动，且计算复杂度较高不适宜处理大规模数据集；快速K-medoids聚类算法通过选择合适的初始聚类中心改进了传统K-medoids聚类算法，但是快速K-medoids聚类算法的初始聚类中心有可能位于同一类簇。为了克服传统的K- medoids聚类算法和快速K-medoids聚类算法的缺陷，提出一种基于粒计算的K-medoids聚类算法。(The traditional K-medoids clustering algorithm clustering results with different initial center points and volatility, and high computational complexity is not suitable for processing large data sets; K-medoids clustering algorithm by choosing proper initial cluster centers to improve the traditional K-medoids clustering algorithm, but the initial cluster center of K-medoids clustering algorithm can be located in the same cluster. In order to overcome the shortcomings of the traditional K- medoids clustering algorithm and the fast K-medoids clustering algorithm, a K-medoids clustering algorithm based on granular computing is proposed.)
Date : 2025-12-24 Size : 2kb User : playboyplay2
[matlab] k-medoids DL : 0: k-medoids聚类算法对数据进行分类处理(k-medoids Clustering algorithm for data classification)
Date : 2025-12-24 Size : 1kb User : 丶gorgerous

« 12 »