Location:
Search - K-medoids
Search list
Description: 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)
Platform: |
Size: 1378 |
Author: 阿兜 |
Hits:
Description: 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；
Platform: |
Size: 1676 |
Author: lance |
Hits:
Description: 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。
Platform: |
Size: 9669 |
Author: 烈马 |
Hits:
Description: 提出了一种自动构造特定领域本体的方法，该方法应用术语抽取和多重聚类技术。在术语抽取阶段，通过术语在专业语料与背景语料中出现概率的对比，采用LLR公式对术语进行评分，取得了更好的抽取效果。在层级关系发现过程中，采用上下文共现信息结合HowNet中词语的语义相似度，进行术语间相似度度量，力求获得术语间最合理的相关状况。同时改进了k-medoids聚类算法，更准确地发现术语的层级关系，进而构造出特定领域的本体。-This paper presents an approach to mining domain-dependent ontologies using term extraction and relationship discovery technology.There are two main innovations in the approach. One is extracting terms using log-likelihood ratio, which is based on the contrastive probabilityofterm occurrence in domain corpus and background corpus. The other is fusing together information from multiple knowledge sources as evidencesfor discovering particular semantic relationships among terms. In the experiment, traditional k-mediods algorithm is improved for multi-levelclustering. The approach to produce an ontology for the domain of computer science is applied and promising results are obtained.
Platform: |
Size: 100352 |
Author: xiaobai |
Hits:
Description: 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!
Platform: |
Size: 2048 |
Author: cyz |
Hits:
Description: 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
Platform: |
Size: 3072 |
Author: KXJ |
Hits:
Description: k-medoids算法，用c++实现，一种经典的聚类算法-k-medoids algorithm, c++ to achieve a classic clustering algorithm
Platform: |
Size: 3072 |
Author: tom |
Hits:
Description: 距离与相异度，然后介绍一种常见的聚类算法——k均值和k中心点聚类-Distance and dissimilarity, and then introduce a clustering algorithm- k mean and k-medoids clustering
Platform: |
Size: 2048 |
Author: 朱青 |
Hits:
Description: A COMPARATIVE ANALYSIS BETWEEN K-MEDOIDS AND
FUZZY C-MEANS CLUSTERING ALGORITHMS FOR
STATISTICALLY DISTRIBUTED DATA POINTS
Platform: |
Size: 296960 |
Author: mardak |
Hits:
Description: K-Medoids算法是在K均值算法的基础上优化的K中心算法。这个文件解压后，直接运行mykmedoids这个文件就好-K-medoids algorithm is optimized in the K-means algorithm based on K-center algorithm. This file is unpacked, run directly mykmedoids file!
Platform: |
Size: 2048 |
Author: linda |
Hits:
Description: 数据挖掘 k中心点算法 matlab示例-data mining k-medoids matlab example
Platform: |
Size: 1024 |
Author: 李杰 |
Hits:
Description: 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
Platform: |
Size: 1024 |
Author: zhangbl |
Hits:
Description: 聚类算法k-medoids 该代码针对的是图像处理 该算法采用局部航迹与系统航迹进行关联的策略-K-medoids clustering algorithm is the code for the image processing algorithm strategy using a local track trajectories associated with the system
Platform: |
Size: 578560 |
Author: 孙伟 |
Hits:
Description: K-Medoids in Matlab 20-K-Medoids in Matlab 2011
Platform: |
Size: 2048 |
Author: Marc Brauns |
Hits:
Description: This package is performing the K-medoids clustering algorithm on any data.
Platform: |
Size: 32768 |
Author: Harry |
Hits:
Description: CODIGO ALGORITMO K MEDOIDS
Platform: |
Size: 1024 |
Author: diana |
Hits:
Description: k -medoids algorithm is a clustering algorithm related to the k -means algorithm and the medoidshift algorithm.
Platform: |
Size: 52224 |
Author: rasool |
Hits:
Description: Comparative Study of K-Means and K-Medoids
Platform: |
Size: 8192 |
Author: Karthi |
Hits:
Description: 聚类算法中的k-means算法，和k-medoids 肯定是非常相似的。k-medoids 和 k-means 不一样的地方在于中心点的选取，在 k-means 中，我们将中心点取为当前 cluster 中所有数据点的平均值。-Clustering algorithm k-means algorithm, and k-medoids certainly very similar. k-medoids and k-means not the same place that the center of the selection, the k-means, we will take the average of the center point of all the data points in the current cluster.
Platform: |
Size: 22528 |
Author: 赵小娟 |
Hits: