How the K-mean Cluster work Step 1. Begin with a decision the value of k = number of clusters Step 2. Put any initial partition that classifies the data into k clusters. You may assign the training samples randomly, or systematically as the following: Take the first k training sample as single-element clusters Assign each of the remaining (N-k) training sample to the cluster with the nearest centroid. After each assignment, recomputed the centroid of the gaining cluster. Step 3 . Take each sample in sequence and compute its distance from the centroid of each of the clusters. If a sample is not currently in the cluster with the closest centroid, switch this sample to that cluster and update the centroid of the cluster gaining the new sample and the cluster losing the sample. Step 4 . Repeat step 3 until convergence is achieved, that is until a pass through the training sample causes no new assignments.
標簽： the decision clusters Cluster
上傳時間： 2013-12-21
上傳用戶：gxmm
主要是KNN（the k-nearest neighbor algorithm ）,LVQ1（learning vector quantization 1）, DSM（decision surface mapping）算法。 and a simple clustering algorithm.
標簽： quantization k-nearest algorithm decision
上傳時間： 2016-02-07
上傳用戶：zhyiroy
ArcSDE是空間數(shù)據(jù)庫引擎,允許用戶用關系數(shù)據(jù)庫管理系統(tǒng)(RDBMS)存儲和管理空間數(shù)據(jù).設計并實現(xiàn)了基于.NET平臺的ArcSDE矢量數(shù)據(jù)訪問的C+ +類庫.這些類按托管和非托管兩層進行設計,數(shù)據(jù)訪問功能由非托管類調用ArcSDE C API 實現(xiàn),托管類對外公開非托管類的功能,可被任何.NET兼容的程序設計語言調用.
標簽： ArcSDE RDBMS NET 空間數(shù)據(jù)庫
上傳時間： 2014-01-06
上傳用戶：qq21508895
autocad數(shù)化管線載入之MENU
上傳時間： 2016-02-09
上傳用戶：小鵬
游戲引擎介紹， 渲染和構造3D世界，作者是有豐富經(jīng)驗的設計師！
標簽： 引擎
上傳時間： 2016-02-12
上傳用戶：561596
Jean J.Labrosse又一部力作《Embedded System Building Blocks》的光盤
標簽： Embedded Building Labrosse Blocks
上傳時間： 2013-12-16
上傳用戶：13517191407
xml數(shù)據(jù)的一個查詢引擎，支持XQuery語言
標簽： xml 數(shù)據(jù) 引擎 查詢
上傳時間： 2013-12-27
上傳用戶：as275944189
java全文索引引擎Apache Lucene
上傳時間： 2016-02-14
上傳用戶：Andy123456
這是一個關于K均值的聚類算法希望對大家有用
上傳時間： 2016-02-15
上傳用戶：ma1301115706
Floyd-Warshall算法描述 1)適用范圍： a)APSP(All Pairs Shortest Paths) b)稠密圖效果最佳 c)邊權可正可負 2)算法描述： a)初始化：dis[u,v]=w[u,v] b)For k:=1 to n For i:=1 to n For j:=1 to n If dis[i,j]>dis[i,k]+dis[k,j] Then Dis[I,j]:=dis[I,k]+dis[k,j] c)算法結束：dis即為所有點對的最短路徑矩陣 3)算法小結：此算法簡單有效，由于三重循環(huán)結構緊湊，對于稠密圖，效率要高于執(zhí)行|V|次Dijkstra算法。時間復雜度O(n^3)。 考慮下列變形：如(I,j)∈E則dis[I,j]初始為1,else初始為0，這樣的Floyd算法最后的最短路徑矩陣即成為一個判斷I,j是否有通路的矩陣。更簡單的，我們可以把dis設成boolean類型，則每次可以用“dis[I,j]:=dis[I,j]or(dis[I,k]and dis[k,j])”來代替算法描述中的藍色部分，可以更直觀地得到I,j的連通情況。
標簽： Floyd-Warshall Shortest Pairs Paths
上傳時間： 2013-12-01
上傳用戶：dyctj
