KM算法 (求二分圖最大帶權(quán)比配) 的 O(n^3)經(jīng)典實(shí)現(xiàn)
上傳時間： 2016-07-19
上傳用戶：Miyuki
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(jìn)行計(jì)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(jì)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(biāo)準(zhǔn)測度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測度函數(shù). k個聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)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聚類中對象的均值所獲得一個“中心對象”（引力中心）來進(jìn)行計(jì)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(jì)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(biāo)準(zhǔn)測度函數(shù)開始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測度函數(shù). k個聚類具有以下特點(diǎn)：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
標(biāo)簽： 聚類 K-MEANS k-means 對象
上傳時間： 2013-12-19
上傳用戶：chenlong
設(shè)X[0:n-1]和Y[0:n-1] 為2 個數(shù)組,每個數(shù)組中含有n 個已排好序的數(shù)。試設(shè)計(jì)一個O(log n) 時間的算法,找出X 和Y 的2n 個數(shù)的中位數(shù)。
上傳時間： 2016-08-20
上傳用戶：zhoujunzhen
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(jìn)行計(jì)算的。 Matlab 源代碼，以蘭花數(shù)據(jù)集作為測試對象。
上傳時間： 2014-01-21
上傳用戶：2525775
X[0:n-1]和Y[0:n-1]為2個數(shù)組,每個數(shù)組中含有n個已排好序的數(shù)。 試設(shè)計(jì)一個O(log n)時間的算法,找出X和Y的2n個數(shù)的中位數(shù)。
上傳時間： 2016-10-10
上傳用戶：宋桃子
USB開發(fā)步驟標(biāo)準(zhǔn),對開發(fā)的過程詳解,usb的快速入門教\程
上傳時間： 2016-10-30
上傳用戶：dsgkjgkjg
USB開發(fā)步驟標(biāo)準(zhǔn)硬件,對USB開發(fā)過程的硬件 ,帶寬詳細(xì)的說明,對開發(fā)設(shè)計(jì)有幫助
上傳時間： 2013-11-27
上傳用戶：ruan2570406
MDB/NAMA/EVA 自動販賣機(jī)相關(guān)標(biāo)準(zhǔn)與技術(shù)資料
上傳時間： 2016-11-22
上傳用戶：極客
很高效的判斷組合數(shù)C(n,k)的奇偶性。 巧妙的使用了位運(yùn)算。時間復(fù)雜度為O(1). 避免使用大數(shù)類。
上傳時間： 2016-12-01
上傳用戶：lizhen9880
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
