Location:
Search - kmean
Search list
Description: 应用kmean均值聚类方法对RGB,HSR图像的分割算法，个人觉得自己变得还可以，希望大家借鉴。-application kmean means clustering method of RGB, neighborhood image segmentation algorithm, individuals feel that they can become the hope that you learn from.
Platform: |
Size: 5066 |
Author: chy |
Hits:
Description: 数据挖掘聚类算法kmean算法-data mining algorithm for clustering algorithm kmean
Platform: |
Size: 2913 |
Author: 王鹏 |
Hits:
Description: 这是模式识别中关于k均值动态聚类算法的matlab源码-This is the pattern recognition on the k-means clustering algorithm Matlab FOSS
Platform: |
Size: 36047 |
Author: fuali |
Hits:
Description: Kmedoid 是类似于Kmean的Clustering method。
Platform: |
Size: 1207 |
Author: 李怡 |
Hits:
Description: 自己做的一个kmean聚类程序,里面有例子和聚类程序
Platform: |
Size: 3716 |
Author: maweilin |
Hits:
Description: 模式识别算法
k均值和感知器算法的具体实现实例
Platform: |
Size: 6974 |
Author: fengyuan |
Hits:
Description: 用于模式识别的MATLAB源代码,准确性高,比较好用.
Platform: |
Size: 9588 |
Author: 杨紫 |
Hits:
Description: matlab程序，用于人脸识别的K均值算法程序，非常有用。
Platform: |
Size: 3016 |
Author: laosee |
Hits:
Description: 利用数据挖掘知识和vb实现K-均值聚类分析，本程序提供了训练样本和测试样本，
经过训练正确率达70-76％
Platform: |
Size: 31583 |
Author: 111111 |
Hits:
Description: 包含两个文件KMEAN.h,KMEAN.CPP,使用方法非常简单，将数据存成.dat文件，即可对其进行Ｋ均值聚类
Platform: |
Size: 2241 |
Author: XSSun |
Hits:
Description: k-mean算法演示，利用手工输入点通过k类自动聚合
Platform: |
Size: 141380 |
Author: jack |
Hits:
Description: k-均值聚类 小算法实例 （将8组4维数据分成6类）
Platform: |
Size: 1238 |
Author: 姜波 |
Hits:
Description: 聚类分析算法中的最基本的K均值算法C++实现程序
Platform: |
Size: 993 |
Author: 李超 |
Hits:
Description: 神经网络中的K-MEAN聚类算法，并在MFC中以主观形式显示学习过程。
Platform: |
Size: 46341 |
Author: 三方 |
Hits:
Description: 神经网络的好程序，自己写的
Platform: |
Size: 1885 |
Author: xiaocui |
Hits:
Description: 这是一个用Kmean处理图像的matlab文件
Platform: |
Size: 1284 |
Author: bohao |
Hits:
Description: 基于k均值聚类学习算法的rbf神经网络实现
Platform: |
Size: 1044 |
Author: 吴强 |
Hits:
Description: kmeans算法的源代码-kmeans algorithm source code
Platform: |
Size: 3072 |
Author: 张华杰 |
Hits:
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: 1024 |
Author: 阿兜 |
Hits:
Description: 经典统计方法：k-means聚类分析源程序-classical statistical methods : k-means clustering source
Platform: |
Size: 3072 |
Author: 张进 |
Hits:
«
1
2
3
4
56
7
8
9
10
...
13
»