欧美动物xxx,亚洲自拍电影,精品国产一区二区亚洲人成毛片

均值聚類(lèi)

K均值和ISODATA分類兩種算法

K均值和ISODATA分類兩種算法，根據給定樣本、聚類中心進行分類！

標簽： ISODATA K均值分類算法

上傳時間： 2014-11-17

上傳用戶：lili123
聚類分析技術已經廣泛應用于基于內容的圖象信息挖掘領域

聚類分析技術已經廣泛應用于基于內容的圖象信息挖掘領域，該技術提高了圖象檢索的速度和質量。K-均值算法和自適應算法是兩個典型的聚類分析算法

標簽： 聚類分析技術應用于圖象

上傳時間： 2013-12-27

上傳用戶：agent
K-MEANS算法輸入：聚類個數k

K-MEANS算法輸入：聚類個數k，以及包含 n個數據對象的數據庫。輸出：滿足方差最小標準的k個聚類。處理流程：（1）從 n個數據對象任意選擇 k 個對象作為初始聚類中心；（2）循環（3）到（4）直到每個聚類不再發生變化為止（3）根據每個聚類對象的均值（中心對象），計算每個對象與這些中心對象的距離；并根據最小距離重新對相應對象進行劃分；（4）重新計算每個（有變化）聚類的均值（中心對象）

標簽： K-MEANS 算法輸入聚類

上傳時間： 2013-12-20

上傳用戶：chenjjer
利用java寫的快速模糊C均值算法

利用java寫的快速模糊C均值算法，用與圖像分割，聚類等領域。

標簽： java 模糊均值算法

上傳時間： 2014-01-02

上傳用戶：ukuk
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 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個數據對象劃分為 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個數據對象任意選擇 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）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. 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個數據對象劃分為 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個數據對象劃分為 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個數據對象任意選擇 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）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. 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
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）。以下是循環的： 2，將余下的對象分到各個類中去（根據與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，下面就再轉到2。 4，這樣循環直到K個medoids固定下來。這種算法對于臟數據和異常數據不敏感，但計算量顯然要比K均值要大，一般只適合小數據量。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
FCM算法是一種基于劃分的聚類算法

FCM算法是一種基于劃分的聚類算法，它的思想就是使得被劃分到同一簇的對象之間相似度最大，而不同簇之間的相似度最小。模糊C均值算法是普通C均值算法的改進，普通C均值算法對于數據的劃分是硬性的，而FCM則是一種柔性的模糊劃分。在介紹FCM具體算法之前我們先介紹一些模糊集合的基本知識。

標簽： FCM 算法分聚類算法

上傳時間： 2014-11-28

上傳用戶：lgnf
ClustanGraphics聚類分析工具。提供了11種聚類算法。 Single Linkage (or Minimum Method, Nearest Neighbor) Complete Li

ClustanGraphics聚類分析工具。提供了11種聚類算法。 Single Linkage (or Minimum Method, Nearest Neighbor) Complete Linkage (or Maximum Method, Furthest Neighbor) Average Linkage (UPGMA) Weighted Average Linkage (WPGMA) Mean Proximity Centroid (UPGMC) Median (WPGMC) Increase in Sum of Squares (Ward s Method) Sum of Squares Flexible (ß space distortion parameter) Density (or k-linkage, density-seeking mode analysis)

標簽： ClustanGraphics Complete Neighbor Linkage

上傳時間： 2014-01-02

上傳用戶：003030
文中設計了一個3層徑向基神經網絡(RBFN)用于對企業的5項評價指標進行聚類分析

文中設計了一個3層徑向基神經網絡(RBFN)用于對企業的5項評價指標進行聚類分析，并與蟻群算法做了比較分析。RBFN由輸入層到隱含層采用傳統的K一均值算法，隱含層到輸出層通過“模2遞減”學習速率的BP學習；蟻群算法根據信息素的分配能夠自動調整收索路徑，從而達到數據自動聚類的目的。結果表明，與蟻群算法相比，改進RBFN具有快速收斂、自動識別奇異樣本的優點，而蟻群算法無須教師學習，并能夠達到全局最優。

標簽： RBFN 徑向神經網絡評價指標

上傳時間： 2013-12-15

上傳用戶：txfyddz