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(lái)進(jìn)行計(jì)算的。 k-means 算法的工作過(guò)程說(shuō)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(guò)程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開(kāi)始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)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(kāi)
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(lái)進(jìn)行計(jì)算的。 k-means 算法的工作過(guò)程說(shuō)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(guò)程直到標(biāo)準(zhǔn)測(cè)度函數(shù)開(kāi)始收斂為止。一般都采用均方差作為標(biāo)準(zhǔn)測(cè)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(kāi)
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
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(lái)進(jìn)行計(jì)算的。 Matlab 源代碼，以蘭花數(shù)據(jù)集作為測(cè)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
//Euler 函數(shù)前n項(xiàng)和 /* phi(n) 為n的Euler原函數(shù) if( (n/p) ％ i == 0 ) phi(n)=phi(n/p)*i else phi(n)=phi(n/p)*(i-1) 對(duì)于約數(shù)：divnum 如果i|pr[j] 那么 divnum[i*pr[j]]=divsum[i]/(e[i]+1)*(e[i]+2) //最小素因子次數(shù)加1 否則 divnum[i*pr[j]]=divnum[i]*divnum[pr[j]] //滿足積性函數(shù)條件 對(duì)于素因子的冪次 e[i] 如果i|pr[j] e[i*pr[j]]=e[i]+1 //最小素因子次數(shù)加1 否則 e[i*pr[j]]=1 //pr[j]為1次 對(duì)于本題： 1. 篩素?cái)?shù)的時(shí)候首先會(huì)判斷i是否是素?cái)?shù)。 根據(jù)定義，當(dāng) x 是素?cái)?shù)時(shí) phi[x] = x-1 因此這里我們可以直接寫(xiě)上 phi[i] = i-1 2. 接著我們會(huì)看prime[j]是否是i的約數(shù) 如果是，那么根據(jù)上述推導(dǎo)，我們有：phi[ i * prime[j] ] = phi[i] * prime[j] 否則 phi[ i * prime[j] ] = phi[i] * (prime[j]-1) (其實(shí)這里prime[j]-1就是phi[prime[j]]，利用了歐拉函數(shù)的積性) 經(jīng)過(guò)以上改良，在篩完素?cái)?shù)后，我們就計(jì)算出了phi[]的所有值。 我們求出phi[]的前綴和 */
標(biāo)簽： phi Euler else 函數(shù)
上傳時(shí)間： 2016-12-31
上傳用戶：gyq
ADT HuffmanTree{ 數(shù)據(jù)對(duì)象：D={ai| ai∈CharSet,i=1,2,……,n, n≥0} 數(shù)據(jù)關(guān)系：R={< ai-1, ai > ai-1, ai∈D, ai-1基本操作P： HuffmanTree() 構(gòu)造函數(shù) ~ HuffmanTree() 析構(gòu)函數(shù) Initialization(int WeightNum) 操作結(jié)果：構(gòu)造哈夫曼樹(shù)。 Encoder() 初始條件：哈夫曼樹(shù)已存在或者哈夫曼樹(shù)已存到文件中。 操作結(jié)果：對(duì)字符串進(jìn)行編碼 Decoder() 初始條件：哈夫曼樹(shù)已存在且已編碼。 操作結(jié)果：對(duì)二進(jìn)制串進(jìn)行譯碼 Print() 初始條件：編碼文件已存在。 操作結(jié)果：把已保存好的編碼文件顯示在屏幕 TreePrinting() 初始條件：哈夫曼樹(shù)已存在。 操作結(jié)果：將已在內(nèi)存中的哈夫曼樹(shù)以直觀的方式顯示在終端上
標(biāo)簽： ai HuffmanTree CharSet ADT
上傳時(shí)間： 2013-12-25
上傳用戶：changeboy
基本思想： 設(shè)所排序序列的記錄個(gè)數(shù)為ｎ。i取1,2,…,n-1,從所有n-i+1個(gè)記錄（R,R[i+1],…,R[n]中找出排序碼最小的記錄，與第ｉ個(gè)記錄交換。執(zhí)行n-1趟 后就完成了記錄序列的排序。
上傳時(shí)間： 2013-12-19
上傳用戶：kytqcool
給定n個(gè)節(jié)點(diǎn)xi（i=0,1,...,n-1）上的函數(shù)值yi=f[xi]，用拉格朗日插值公式計(jì)算指定插值點(diǎn)t處的函數(shù)近似值z(mì)=f[t]
標(biāo)簽： yi xi 節(jié)點(diǎn) 函數(shù)值
上傳時(shí)間： 2013-12-21
上傳用戶：小眼睛LSL
給定n個(gè)節(jié)點(diǎn)xi[i=0,1,...,n-1]上的函數(shù)值yi=f[xi],用拋物插值公式計(jì)算指定插值點(diǎn)t處的函數(shù)近似值z(mì)=f[t]
標(biāo)簽： xi 插值 yi 節(jié)點(diǎn)
上傳時(shí)間： 2017-03-10
上傳用戶：chfanjiang
給定n個(gè)節(jié)點(diǎn)xi[i=0,1,...,n-1]上的函數(shù)值yi=f[xi],用連分式插值法計(jì)算指定插值點(diǎn)t處的函數(shù)近似值z(mì)=f[t]
標(biāo)簽： xi 插值 yi 節(jié)點(diǎn)
上傳時(shí)間： 2014-01-10
上傳用戶：zycidjl
給定n個(gè)節(jié)點(diǎn)xi[i=0,1,...,n-1]上的函數(shù)值yi=[xi]以及一屆倒數(shù)值yi =f [xi],用埃爾米特插值公式計(jì)算指定插值點(diǎn)t處的函數(shù)近似值z(mì)=f[t]
標(biāo)簽： xi 插值 yi 節(jié)點(diǎn)
上傳時(shí)間： 2013-12-26
上傳用戶：CHINA526
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
