K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)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(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)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(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)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(gè)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(duì)象
上傳時(shí)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(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)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(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)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(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)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(gè)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(duì)象
上傳時(shí)間： 2013-12-19
上傳用戶：chenlong
cskmeans 聚類算法的一種 1. 分裂法(partitioning methods)：給定一個(gè)有N個(gè)元組或者紀(jì)錄的數(shù)據(jù)集，分裂法將構(gòu)造K個(gè)分組，每一個(gè)分組就代表一個(gè)聚類，K<N。而且這K個(gè)分組滿足下列條件：（1） 每一個(gè)分組至少包含一個(gè)數(shù)據(jù)紀(jì)錄；（2）每一個(gè)數(shù)據(jù)紀(jì)錄屬于且僅屬于一個(gè)分組（注意：這個(gè)要求在某些模糊聚類算法中可以放寬）；對(duì)于給定的K，算法首先給出一個(gè)初始的分組方法，以后通過反復(fù)迭代的方法改變分組，使得每一次改進(jìn)之后的分組方案都較前一次好，而所謂好的標(biāo)準(zhǔn)就是：同一分組中的記錄越近越好，而不同分組中的紀(jì)錄越遠(yuǎn)越好。使用這個(gè)基本思想的算法有：K-MEANS算法、K-MEDOIDS算法、CLARANS算法；
標(biāo)簽： partitioning cskmeans methods 聚類算法
上傳時(shí)間： 2014-01-16
上傳用戶：songyue1991
手機(jī)上的監(jiān)視程式, 可以監(jiān)督SMS, MMS, 以及電話和Mail
上傳時(shí)間： 2016-09-17
上傳用戶：wang0123456789
k-means 算法接受輸入量 k ；然后將n個(gè)數(shù)據(jù)對(duì)象劃分為 k個(gè)聚類以便使得所獲得的聚類滿足：同一聚類中的對(duì)象相似度較高；而不同聚類中的對(duì)象相似度較小。聚類相似度是利用各聚類中對(duì)象的均值所獲得一個(gè)“中心對(duì)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(duì)象。
標(biāo)簽： 聚類 k-means 對(duì)象 算法
上傳時(shí)間： 2014-01-21
上傳用戶：2525775
這是一個(gè)將n個(gè)樣本聚類到m個(gè)類別中 將n個(gè)樣本在m個(gè)類里如何分配輸出的遺傳算法代碼。 適應(yīng)度：sum(i=1_110)sum(j=1_20)【xi-vj】~2
上傳時(shí)間： 2014-08-09
上傳用戶：wkchong
設(shè)有n 個(gè)程序{1,2,…, n }要存放在長度為L的磁帶上。程序i存放在磁帶上的長度是 Li，程序存儲(chǔ)問題要求確定這n 個(gè)程序在磁帶上的一個(gè)存儲(chǔ)方案，使得能夠在磁帶上存儲(chǔ)盡可能多的程序。對(duì)于給定的n個(gè)程序存放在磁帶上的長度，編程計(jì)算磁帶上最多可以存儲(chǔ)的程序數(shù)。
上傳時(shí)間： 2013-12-01
上傳用戶：sqq
k-means 算法的工作過程說明如下：首先從n個(gè)數(shù)據(jù)對(duì)象任意選擇 k 個(gè)對(duì)象作為初始聚類中心；而對(duì)于所剩下其它對(duì)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(gè)所獲新聚類的聚類中心（該聚類中所有對(duì)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。
標(biāo)簽： k-means 對(duì)象 算法 工作過程
上傳時(shí)間： 2013-12-27
上傳用戶：wpwpwlxwlx
c++ Ngô n ngữ C cho vi đ iề u khiể n Các tài liệ u tham khả o, ebook. Programming Microcontrollers in C (Ted Van Sickle) C Programming for Microcontrollers (Joe Pardue SmileyMicros.com ) Programming 16-Bit PIC Microcontrollers in C (Jucio di jasio ) C Programming for AVR Programming embedded system I,II (Michael J . Pont ) ( các tài liệ u này đ ã down load về )
上傳時(shí)間： 2017-07-29
上傳用戶：壞壞的華仔
實(shí)現(xiàn)聚類K均值算法： K均值算法：給定類的個(gè)數(shù)K，將n個(gè)對(duì)象分到K個(gè)類中去，使得類內(nèi)對(duì)象之間的相似性最大，而類之間的相似性最小。 缺點(diǎn)：產(chǎn)生類的大小相差不會(huì)很大，對(duì)于臟數(shù)據(jù)很敏感。 改進(jìn)的算法：k—medoids 方法。這兒選取一個(gè)對(duì)象叫做mediod來代替上面的中心 的作用，這樣的一個(gè)medoid就標(biāo)識(shí)了這個(gè)類。步驟： 1，任意選取K個(gè)對(duì)象作為medoids（O1,O2,…Oi…Ok）。 以下是循環(huán)的： 2，將余下的對(duì)象分到各個(gè)類中去（根據(jù)與medoid最相近的原則）； 3，對(duì)于每個(gè)類（Oi）中，順序選取一個(gè)Or，計(jì)算用Or代替Oi后的消耗—E（Or）。選擇E最小的那個(gè)Or來代替Oi。這樣K個(gè)medoids就改變了，下面就再轉(zhuǎn)到2。 4，這樣循環(huán)直到K個(gè)medoids固定下來。 這種算法對(duì)于臟數(shù)據(jù)和異常數(shù)據(jù)不敏感，但計(jì)算量顯然要比K均值要大，一般只適合小數(shù)據(jù)量。
上傳時(shí)間： 2015-04-03
上傳用戶：sardinescn
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
