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。
上傳時間： 2013-12-26
上傳用戶：txfyddz
已知斐波那契數列的定義：F(1)=1,F(2)=1,F(i)= F(i-1)+ F(i-2) (i>=3),編寫求該數列前n項的子程序 實現了輸入一個數，然后將計算的結果保存在存儲器中
上傳時間： 2013-12-21
上傳用戶：風之驕子
介紹行列劃分算法和矩陣相乘并行算法M P I 程序, 給出基于矩陣相乘并行算法的M P I 實現, 分析和討 論處理器數目、復雜性、矩陣劃分、B 子塊傳遞、死鎖避免和矩陣數據的獲取等問題.
上傳時間： 2017-06-03
上傳用戶：royzhangsz
Ex3-23 親兄弟問題 « 問題描述： 給定n 個整數0 1 1 , , , n- a a a 組成的序列。序列中元素i a 的親兄弟元素k a 定義為： min{ | } k i j n j j i a = a a ³ a < < 。 親兄弟問題要求給定序列中每個元素的親兄弟元素的位置。元素i a 的親兄弟元素為k a 時，稱k 為元素i a 的親兄弟元素的位置。當元素i a 沒有親兄弟元素時，約定其親兄弟元素 的位置為-1。 例如，當n=10，整數序列為6，1，4，3，6，2，4，7，3，5 時，相應的親兄弟元素位 置序列為：4，2，4，4，7，6，7，-1，9，-1。 « 編程任務： 對于給定的n個整數0 1 1 , , , n- a a a 組成的序列，試用抽象數據類型棧，設計一個O(n) 時間算法，計算相應的親兄弟元素位置序列。 « 數據輸入： 由文件input.txt提供輸入數據。文件的第1 行有1 個正整數n，表示給定給n個整數。 第2 行是0 1 1 , , , n- a a a 。 « 結果輸出: 程序運行結束時，將計算出的與給定序列相應的親兄弟元素位置序列輸出到output.txt 中。 輸入文件示例 輸出文件示例 input.txt 10 4 2 4 4 7 6 7 -1 9 -1 output.txt 6 1 4 3 6 2 4 7 3 5
上傳時間： 2013-12-17
上傳用戶：shizhanincc
K-MEANS聚類算法，以及PSO和QPSO算法改進K-MEANS算法，breastcancer數據驗證了該分類模型的有效性
上傳時間： 2016-08-11
上傳用戶：奇奇奔奔
5G系統中F-OFDM算法設計5G 系統中 F-OFDM 算法設計 摘 要： 將 F ( filter ) - OFDM 的框架應用在傳統的 LTE 系統上 。 利用該新的波形技術 ， LTE 系統可以支持更加靈活的 參數配置， 滿足未來 5G 豐富的業務需求。 通過發射機子帶濾波器的設計， 相鄰子帶間的帶外泄漏 (OOB ) 可以被大幅度抑 制。 接收機采用匹配濾波機制實現各個子帶的解耦。 最后通過實驗仿真， 比較 OFDM 系統和 F- OFDM 系統的誤塊率 (BLER ) 性能， 可以看到當存在鄰帶干擾時， 后者通過子帶濾波器對干擾的抑制， 系統性能明顯優于前者。 關鍵詞： F- OFDM ； 帶外泄漏 (OOB ) ；
標簽： 5G
上傳時間： 2022-02-25
上傳用戶：
數據挖掘算法，K-means聚類算法源代碼，用于聚類分析
標簽： 數據挖掘算法
上傳時間： 2015-04-11
上傳用戶：windwolf2000
模式識別中的幾個常用算法，包括ISODATA算法、K－均值算法、感知器算法、LMSE最小誤差、貝耶斯分類。
上傳時間： 2015-04-14
上傳用戶：yzy6007
給定n個整數a , a , ,an 1 2 組成的序列。序列中元素i a 的符號定義為： ï î ï í ì - < = > = 1 0 0 0 1 0 sgn( ) i i i i a a a a 符號平衡問題要求給定序列的最長符號平衡段的長度L，即： þ ý ü î í ì = + - = å = £ £ £ max 1| sgn( ) 0 1 j k i i j n k L j i a 。 例如，當n=10，相應序列為：1，1，-1，-2，0，1，3，-1，2，-1 時，L=9。
上傳時間： 2015-10-28
上傳用戶：xaijhqx
通過引入與余差有關的代價函數,給出了一種高精度估計基礎矩陣的線性算法——加權平移算法.首先 將原始輸入數據加權,計算加權后數據的重心坐標,將坐標原點平移到該重心坐標,再作歸一化處理.然后用8點 算法求出基礎矩陣F陣的8個參數,實現了F陣的高精度估計.實驗結果表明,此算法具有良好的魯棒性,且余差 和對極距離都小于其他線性算法,提高了基礎矩陣的精度.
上傳時間： 2016-08-15
上傳用戶：zgu489
