神經(jīng)網(wǎng)絡(luò)中的競爭網(wǎng)絡(luò)聚類
標(biāo)簽： 神經(jīng)網(wǎng)絡(luò) 網(wǎng)絡(luò) 聚類
上傳時(shí)間： 2014-08-25
上傳用戶：wqxstar
聚類研究，實(shí)現(xiàn)了基于距離，基于密度和改進(jìn)算法
標(biāo)簽： 聚類
上傳時(shí)間： 2015-03-10
上傳用戶：qiao8960
數(shù)據(jù)挖掘中k-means聚類算法的實(shí)現(xiàn)源代碼
標(biāo)簽： k-means 數(shù)據(jù)挖掘 聚類算法 源代碼
上傳時(shí)間： 2013-12-21
上傳用戶：as275944189
數(shù)據(jù)挖掘中的聚合層次聚類算法，有完整的注釋
標(biāo)簽： 數(shù)據(jù)挖掘 層次聚類 算法
上傳時(shí)間： 2015-03-15
上傳用戶：qazxsw
模糊C均值聚類的MATLAB實(shí)現(xiàn)，其中包含了10個(gè)MATLAB函數(shù)
標(biāo)簽： MATLAB 模糊 均值聚類
上傳時(shí)間： 2013-12-22
上傳用戶：jcljkh
模式識(shí)別中關(guān)于C均值的聚類算法的程序,輸入點(diǎn)進(jìn)行聚類.
標(biāo)簽： 模式識(shí)別 聚類算法 程序 聚類
上傳時(shí)間： 2014-01-24
上傳用戶：黃華強(qiáng)
模式識(shí)別中關(guān)于感知器算法的程序,輸入點(diǎn)進(jìn)行聚類.
標(biāo)簽： 模式識(shí)別 算法 程序 輸入
上傳用戶：zhangzhenyu
一種基于蟻群算法的聚類組合方法，具體可以查看里面書的內(nèi)容。
標(biāo)簽： 蟻群算法 聚類 組合
上傳時(shí)間： 2013-12-28
上傳用戶：huyiming139
K-均值聚類算法的編程實(shí)現(xiàn)。包括逐點(diǎn)聚類和批處理聚類。K－均值聚類的的時(shí)間復(fù)雜度是n*k*m，其中n為樣本數(shù)，k為類別數(shù)，m為樣本維數(shù)。這個(gè)時(shí)間復(fù)雜度是相當(dāng)客觀的。因?yàn)槿绻妹棵?0億次的計(jì)算機(jī)對50個(gè)樣本采用窮舉法分兩類，尋找最優(yōu)，列舉一遍約66.7天，分成3類，則要約3500萬年。針對算法局部最優(yōu)的缺點(diǎn)，本人正在編制模擬退火程序進(jìn)行改進(jìn)。希望及早奉給大家，傾聽高手教誨。
標(biāo)簽： 均值聚類 聚類 算法 批處理
上傳時(shí)間： 2015-03-18
上傳用戶：yuanyuan123
由于K－均值聚類算法局部最優(yōu)的特點(diǎn)，而模擬退火算法理論上具有全局最優(yōu)的特點(diǎn)。因此，用模擬退火算法對聚類進(jìn)行了改進(jìn)。20組聚類仿真表明，平均每次對K結(jié)果值改進(jìn)8次左右，效果顯著。下一步工作：實(shí)際上在高溫區(qū)隨機(jī)生成鄰域是個(gè)組合爆炸問題（見本人上載軟件‘k－均值聚類算法’所述），高溫跳出局部解的概率幾乎為0，因此正考慮采用凸包約束進(jìn)行模擬聚類，相關(guān)工作正在進(jìn)行。很快將奉獻(xiàn)給各位朋友。
標(biāo)簽： 均值聚類 算法 局部
上傳用戶：hullow
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
