模式識別中關(guān)于C均值的聚類算法的程序,輸入點(diǎn)進(jìn)行聚類.
標(biāo)簽： 模式識別 聚類算法 程序 聚類
上傳時(shí)間： 2014-01-24
上傳用戶：黃華強(qiáng)
動態(tài)聚類k-means演算 將輸入在程式中的數(shù)據(jù)資料 給予適當(dāng)?shù)姆秩?/p>
標(biāo)簽： k-means 程式 分
上傳時(shí)間： 2015-03-16
上傳用戶：離殤
K-均值聚類算法的編程實(shí)現(xiàn)。包括逐點(diǎn)聚類和批處理聚類。K－均值聚類的的時(shí)間復(fù)雜度是n*k*m，其中n為樣本數(shù)，k為類別數(shù)，m為樣本維數(shù)。這個(gè)時(shí)間復(fù)雜度是相當(dāng)客觀的。因?yàn)槿绻妹棵?0億次的計(jì)算機(jī)對50個(gè)樣本采用窮舉法分兩類，尋找最優(yōu)，列舉一遍約66.7天，分成3類，則要約3500萬年。針對算法局部最優(yōu)的缺點(diǎn)，本人正在編制模擬退火程序進(jìn)行改進(jìn)。希望及早奉給大家，傾聽高手教誨。
標(biāo)簽： 均值聚類 聚類 算法 批處理
上傳時(shí)間： 2015-03-18
上傳用戶：yuanyuan123
由于K－均值聚類算法局部最優(yōu)的特點(diǎn)，而模擬退火算法理論上具有全局最優(yōu)的特點(diǎn)。因此，用模擬退火算法對聚類進(jìn)行了改進(jìn)。20組聚類仿真表明，平均每次對K結(jié)果值改進(jìn)8次左右，效果顯著。下一步工作：實(shí)際上在高溫區(qū)隨機(jī)生成鄰域是個(gè)組合爆炸問題（見本人上載軟件‘k－均值聚類算法’所述），高溫跳出局部解的概率幾乎為0，因此正考慮采用凸包約束進(jìn)行模擬聚類，相關(guān)工作正在進(jìn)行。很快將奉獻(xiàn)給各位朋友。
標(biāo)簽： 均值聚類 算法 局部
上傳用戶：hullow
k均值聚類算法源碼，比較經(jīng)典，無解壓密碼
標(biāo)簽： 均值聚類 算法 源碼
上傳時(shí)間： 2014-07-09
上傳用戶：lnnn30
我自己編寫的分層聚類算法，類內(nèi)采用最大距離，類間采用最小距離實(shí)現(xiàn)
標(biāo)簽： 編寫 分層 聚類算法
上傳時(shí)間： 2013-12-09
上傳用戶：ywqaxiwang
系統(tǒng)聚類算法K-means 屬于聚類分析中一種基本的劃分方法，常采用誤差平方和準(zhǔn)則函數(shù)作為聚類準(zhǔn)則，該算法在處理大數(shù)據(jù)集時(shí)是相對可伸縮且高效率的，同時(shí)具有潛在的數(shù)據(jù)并行性。但是這種算法依賴于初始值的選擇以及數(shù)據(jù)的輸入順序；此外，當(dāng)運(yùn)用誤差平方和準(zhǔn)則函數(shù)測度聚類效果時(shí)，如果各簇的形狀和大小差別很大，為使誤差平方和 Jc 值達(dá)到最小有可能出現(xiàn)將大的聚類簇分割的現(xiàn)象。
標(biāo)簽： K-means 分 聚類算法
上傳時(shí)間： 2015-03-25
上傳用戶：zhuoying119
這是一個(gè)新的聚類算法設(shè)計(jì)，是由復(fù)旦大學(xué)的教授們設(shè)計(jì)的，值得一讀。
標(biāo)簽： 聚類 算法設(shè)計(jì)
上傳時(shí)間： 2013-12-17
上傳用戶：l254587896
當(dāng)前的聚類算法很多，但是都沒有解決關(guān)于邊界點(diǎn)的問題，這個(gè)算法提出一種新的觀點(diǎn)。
標(biāo)簽： 聚類算法
上傳時(shí)間： 2015-03-29
上傳用戶：源碼3
一種基于最小生成數(shù)的聚類算法，是一個(gè)可以的選擇。
上傳時(shí)間： 2014-01-04
上傳用戶：sclyutian
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
