人工選擇聚類中心，用k-means聚類方法對(duì)圖像進(jìn)行分割，效果不錯(cuò)的
資源簡介：人工選擇聚類中心，用k-means聚類方法對(duì)圖像進(jìn)行分割，效果不錯(cuò)的
上傳時(shí)間： 2013-12-29
上傳用戶：gaojiao1999
資源簡介：模糊C均值初始聚類中心的選擇，供初學(xué)者參考
上傳時(shí)間： 2017-03-14
上傳用戶：frank1234
資源簡介：k-means 算法的工作過程說明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計(jì)算每個(gè)所獲新聚類的聚類中心（該...
上傳時(shí)間： 2013-12-27
上傳用戶：wpwpwlxwlx
資源簡介：兩個(gè)聚類中心之間的最小距離，如小于此數(shù)，兩個(gè)聚類進(jìn)行
上傳時(shí)間： 2013-12-22
上傳用戶：as275944189
資源簡介：模式識(shí)別 均值 該方法取定C個(gè)類別和選取C個(gè)初始聚類中心，按最小距離原則將各模式分配到C類中的某一類，之后不斷地計(jì)算類心和調(diào)整各模式的類別，最終使各模式到其判屬類別中心的距離平方之和最小。
上傳時(shí)間： 2013-12-20
上傳用戶：colinal
資源簡介：尋找k個(gè)聚類中心的算法，也就是對(duì)k-means算法初始化進(jìn)行改進(jìn)的一種算法
上傳時(shí)間： 2016-07-02
上傳用戶：z754970244
資源簡介：subclutering initializing fcm: 開發(fā)語言：matlab 功能：使用減法聚類初始化fcm算法的聚類中心，可以快速找到合適的初始聚類中心
上傳時(shí)間： 2014-01-20
上傳用戶：lingzhichao
資源簡介：分級(jí)聚類算法：包括k-mean max-dist min-dist 程序使用方法： 程序中打開文件“.dat”-》選擇聚類方法-》顯示數(shù)據(jù) .dat文件格式： 分成幾類 輸入樣本維數(shù) 樣本個(gè)數(shù) 下面依次為樣本特征向量
上傳時(shí)間： 2013-12-22
上傳用戶：alan-ee
資源簡介：K-MEANS算法 輸入：聚類個(gè)數(shù)k，以及包含 n個(gè)數(shù)據(jù)對(duì)象的數(shù)據(jù)庫。 輸出：滿足方差最小標(biāo)準(zhǔn)的k個(gè)聚類。 處理流程： （1） 從 n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心； （2） 循環(huán)（3）到（4）直到每個(gè)聚類不再發(fā)生變化為止 （3...
上傳時(shí)間： 2013-12-20
上傳用戶：chenjjer
資源簡介：K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來進(jìn)行計(jì)算的。 ...
上傳時(shí)間： 2016-07-31
上傳用戶：youlongjian0
資源簡介：K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)象”（引力中心）來進(jìn)行計(jì)算的。 ...
上傳時(shí)間： 2013-12-19
上傳用戶：chenlong
資源簡介：使用c-均值聚類算法在IRIS數(shù)據(jù)上進(jìn)行聚類分析，隨機(jī)選擇三個(gè)初始聚類中心，經(jīng)過多次迭代，最終將150個(gè)樣本分為三類。
上傳時(shí)間： 2017-04-07
上傳用戶：181992417
資源簡介：磁共振成像（MRI）由于自身獨(dú)特的成像特點(diǎn)，使得其處理方法不同于一般圖像.根據(jù)不同的應(yīng)用目的，該文分別提出了MRI圖像去噪和分割兩個(gè)算法.首先，該文針對(duì)MRI重建后圖像噪聲分布的實(shí)際特點(diǎn)，提出了基于小波變換的MRI圖像去噪算法.該算法詳細(xì)闡明了MRI圖像Rici...
上傳時(shí)間： 2013-04-24
上傳用戶：zhichenglu
資源簡介：這是一個(gè)聚類算法，其中含有對(duì)初始化聚類中心的優(yōu)化。
上傳時(shí)間： 2014-01-14
上傳用戶：aa54
資源簡介：本書是清華大學(xué)自動(dòng)化教材,主要討論統(tǒng)計(jì)模式識(shí)別理論和方法,包括了貝葉斯決策理論、線性和非線性判別函數(shù)、近鄰規(guī)則、經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化、特征提取和選擇、聚類分析、人工神經(jīng)網(wǎng)絡(luò)、模糊模式識(shí)別、模擬退火和遺傳算法，以及統(tǒng)計(jì)學(xué)習(xí)理論和支持向量機(jī)等內(nèi)容，還介...
上傳時(shí)間： 2014-01-04
上傳用戶：qw12
資源簡介：聚類算法：k—medoids 方法。這兒選取一個(gè)對(duì)象叫做mediod來代替上面的中心 的作用，這樣的一個(gè)medoid就標(biāo)識(shí)了這個(gè)類。步驟： 1，任意選取K個(gè)對(duì)象作為medoids（O1,O2,…Oi…Ok）。 以下是循環(huán)的： 2，將余下的對(duì)象分到各個(gè)類中去（根據(jù)與medoid最相近的原則）...
上傳時(shí)間： 2013-12-26
上傳用戶：txfyddz
資源簡介：實(shí)現(xiàn)聚類K均值算法： K均值算法：給定類的個(gè)數(shù)K，將n個(gè)對(duì)象分到K個(gè)類中去，使得類內(nèi)對(duì)象之間的相似性最大，而類之間的相似性最小。 缺點(diǎn)：產(chǎn)生類的大小相差不會(huì)很大，對(duì)于臟數(shù)據(jù)很敏感。 改進(jìn)的算法：k—medoids 方法。這兒選取一個(gè)對(duì)象叫做mediod來代替上面...
上傳時(shí)間： 2015-04-03
上傳用戶：sardinescn
資源簡介：C-均值動(dòng)態(tài)聚類算法 matlab 很簡單對(duì) 一組樣本點(diǎn)的分類和中心點(diǎn)
上傳時(shí)間： 2015-08-24
上傳用戶：2467478207
資源簡介：一個(gè)用C語言編寫的基于遺傳K中心的數(shù)據(jù)聚類源代碼。
上傳時(shí)間： 2015-09-09
上傳用戶：84425894
資源簡介：一個(gè)CURE聚類算法 應(yīng)用了K中心點(diǎn)算法 采用空間坐標(biāo)聚集
上傳時(shí)間： 2013-12-20
上傳用戶：sqq
資源簡介：DataMining軟件(集成了關(guān)聯(lián)規(guī)則、k-均值聚類、模糊聚類、k-中心點(diǎn)聚類四種算法)
上傳時(shí)間： 2013-12-24
上傳用戶：jackgao
資源簡介：中心對(duì)稱的聚類算法，paper。一種基于中心對(duì)稱的聚類算法
上傳時(shí)間： 2014-01-09
上傳用戶：腳趾頭
資源簡介：中心點(diǎn)漂移是一種非監(jiān)督聚類算法（與k-means算法相似，但應(yīng)用范圍更廣些),可用于圖像分割，基于Matlab實(shí)現(xiàn)的源碼。 MedoidShift is a unsupervised clustering algorithm(similar to k-means algorithm, but can be used in border application fields), can...
上傳時(shí)間： 2016-03-28
上傳用戶：wab1981
資源簡介：熟悉三角形模糊數(shù)、中心及隸屬函數(shù)表達(dá)式的概念。了解特征映射算法及統(tǒng)計(jì)中的 統(tǒng)計(jì)量的概念。利用聚類迭代算法建立 個(gè)三角形形式的隸屬函數(shù)
上傳時(shí)間： 2016-04-22
上傳用戶：集美慧
資源簡介：K-Means是k_中心點(diǎn)法的聚類過程代碼。
上傳時(shí)間： 2016-04-26
上傳用戶：fxf126@126.com
資源簡介：這是一個(gè)K中心點(diǎn)聚類算法C實(shí)現(xiàn)的,希望對(duì)大家有用
上傳時(shí)間： 2016-05-15
上傳用戶：zhaiyanzhong
資源簡介：協(xié)同模糊聚類建模通過特征選擇和協(xié)同模糊聚類的模糊建模方法構(gòu)建T-S模型，并用此模型對(duì)數(shù)據(jù)進(jìn)行測試。
上傳時(shí)間： 2017-03-07
上傳用戶：leehom61
資源簡介：提出了一種用于矢量量化的改進(jìn)的聚類算法,該算法在MKM(Modified K-Means)算法的框架的基礎(chǔ)上,對(duì)初始碼本的生成、失真測度的選擇、非典型胞腔的處理等方面進(jìn)行了改進(jìn),從而減少了原算法在能量和增益上對(duì)聚類結(jié)果的影響.并將該算法應(yīng)用于波形編輯孤立字識(shí)別器,這...
上傳時(shí)間： 2017-05-30
上傳用戶：tianjinfan
資源簡介：不同于k均值聚類的k中心聚類，2007年SCIENCE文章Clustering by Passing Messages Between Data Points 中的方法
上傳時(shí)間： 2017-07-27
上傳用戶：stewart·
資源簡介：系統(tǒng)聚類算法K-means 屬于聚類分析中一種基本的劃分方法，常采用誤差平方和準(zhǔn)則函數(shù)作為聚類準(zhǔn)則，該算法在處理大數(shù)據(jù)集時(shí)是相對(duì)可伸縮且高效率的，同時(shí)具有潛在的數(shù)據(jù)并行性。但是這種算法依賴于初始值的選擇以及數(shù)據(jù)的輸入順序；此外，當(dāng)運(yùn)用誤差平方和準(zhǔn)則...
上傳時(shí)間： 2015-03-25
上傳用戶：zhuoying119
