天堂av中文在线,久久久精品中文字幕麻豆发布,中文视频一区视频二区视频三区

均值算法

圖像的智能算法

圖像的智能算法，包括神經(jīng)算法、動態(tài)K均值、歐士距離、卷積、幾何距離等演示。

標簽： 圖像智能算法

上傳時間： 2016-07-26

上傳用戶：fhzm5658
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數(shù)據(jù)對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各

K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數(shù)據(jù)對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數(shù)據(jù)對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，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；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復(fù)這一過程直到標準測度函數(shù)開始收斂為止。一般都采用均方差作為標準測度函數(shù). k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開

標簽： 聚類 K-MEANS k-means 對象

上傳時間： 2016-07-31

上傳用戶：youlongjian0
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數(shù)據(jù)對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各

K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數(shù)據(jù)對象劃分為 k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數(shù)據(jù)對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，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；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復(fù)這一過程直到標準測度函數(shù)開始收斂為止。一般都采用均方差作為標準測度函數(shù). k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開

標簽： 聚類 K-MEANS k-means 對象

上傳時間： 2013-12-19

上傳用戶：chenlong
屬性均值聚類

屬性均值聚類，提出了屬性均值聚類并給出了迭代算法。提出了基于穩(wěn)態(tài)函數(shù)的屬性聚類算法, 給出了柯西穩(wěn)態(tài)函數(shù)、廣義lp 穩(wěn)態(tài)函數(shù)和指數(shù)穩(wěn)態(tài)函數(shù)

標簽： 均值聚類

上傳時間： 2016-08-06

上傳用戶：aig85
C 程序球面方位角算法： azimuth.cpp CRC校驗快速算法： CRC_Table.cpp 解擾碼算法： scrambler.cpp Matlab 程序信號帶寬測量： Ba

C 程序球面方位角算法： azimuth.cpp CRC校驗快速算法： CRC_Table.cpp 解擾碼算法： scrambler.cpp Matlab 程序信號帶寬測量： BandWith.m 帶通信號下變頻： fqmv.m QPSK 解調(diào) demodQpsk.m pwelch求功率譜的算法 psdwh.m 均值濾波算法 cvmn.m 信號正交分解： Cnv2Bas.m

標簽： cpp CRC_Table scrambler azimuth

上傳時間： 2016-08-13

上傳用戶：TF2015
C-means 算法

C-means 算法，模式識別中常用到的C均值聚類算法，使用VC開發(fā)，版權(quán)歸開發(fā)者所有

標簽： C-means 算法

上傳時間： 2016-08-15

上傳用戶：
基于循環(huán)前綴的同步算法仿真

基于循環(huán)前綴的同步算法仿真，采用多符號求均值的辦法減少噪聲影響。

標簽： 循環(huán) 前綴仿真同步算法

上傳時間： 2014-01-01

上傳用戶：caozhizhi
聚類算法：k—medoids 方法。這兒選取一個對象叫做mediod來代替上面的中心的作用

聚類算法：k—medoids 方法。這兒選取一個對象叫做mediod來代替上面的中心的作用，這樣的一個medoid就標識了這個類。步驟： 1，任意選取K個對象作為medoids（O1,O2,…Oi…Ok）。以下是循環(huán)的： 2，將余下的對象分到各個類中去（根據(jù)與medoid最相近的原則）； 3，對于每個類（Oi）中，順序選取一個Or，計算用Or代替Oi后的消耗—E（Or）。選擇E最小的那個Or來代替Oi。這樣K個medoids就改變了，下面就再轉(zhuǎn)到2。 4，這樣循環(huán)直到K個medoids固定下來。這種算法對于臟數(shù)據(jù)和異常數(shù)據(jù)不敏感，但計算量顯然要比K均值要大，一般只適合小數(shù)據(jù)量。這里是MAtlab源代碼。

標簽： medoids mediod 聚類算法對象

上傳時間： 2013-12-26

上傳用戶：txfyddz
：提出針對單極化合成孔徑雷達(SAR)圖像相干斑濾波算法性能的分層檢驗?zāi)Ｐ秃途C合評價方法。模型分相干斑抑制程度和目標微波后向散射系數(shù)保持程度兩個層次

：提出針對單極化合成孔徑雷達(SAR)圖像相干斑濾波算法性能的分層檢驗?zāi)Ｐ秃途C合評價方法。模型分相干斑抑制程度和目標微波后向散射系數(shù)保持程度兩個層次，包含的指標有等效視數(shù)、信號雜渡比、回波輻射度損失、均值偏差、空間分辨率損失和峰值旁瓣比偏差六項

標簽： SAR 模型極化合成孔徑雷達

上傳時間： 2014-01-19

上傳用戶：lxm
vc++實現(xiàn)隨機數(shù)生成算法 隨機數(shù)生成與頭文件隨機數(shù)生成算法 1產(chǎn)生一個介于0和32767之間的隨機整數(shù) 2產(chǎn)生一個［0,1］區(qū)間內(nèi)均勻分布偽隨機數(shù) 3產(chǎn)生多個［0,1］區(qū)間內(nèi)均

vc++實現(xiàn)隨機數(shù)生成算法 隨機數(shù)生成與頭文件隨機數(shù)生成算法 1產(chǎn)生一個介于0和32767之間的隨機整數(shù) 2產(chǎn)生一個［0,1］區(qū)間內(nèi)均勻分布偽隨機數(shù) 3產(chǎn)生多個［0,1］區(qū)間內(nèi)均勻分布偽隨機數(shù) 4產(chǎn)生任意［a,b］區(qū)間內(nèi)一個均勻分布偽隨機整數(shù) 5產(chǎn)生任意［a,b］區(qū)間內(nèi)均勻分布偽隨機整數(shù)序列 6產(chǎn)生一個任意均值與方差的正態(tài)分布隨機數(shù) 7產(chǎn)生任意均值與方差的正態(tài)分布隨機數(shù)序列最后注意，在VC++ 6.0中設(shè)置好路徑，特別是include目錄(文件夾)的路徑，否則在編譯時會出現(xiàn)找不到頭文件的錯誤，使編譯無法正常進行。

標簽： 32767 隨機數(shù) 生成算法 vc

上傳時間： 2014-12-19

上傳用戶：wlcaption