K均值法，神經網絡很有用 不同于BP神經網絡的算法
標簽： K均值
上傳時間： 2015-10-06
上傳用戶：epson850
k均值聚類方法的c代碼，并且帶有聚類數據，適用于剛剛接觸該算法的初學者
上傳時間： 2015-11-29
上傳用戶：jkhjkh1982
K-MEANS算法 輸入：聚類個數k，以及包含 n個數據對象的數據庫。 輸出：滿足方差最小標準的k個聚類。 處理流程： （1） 從 n個數據對象任意選擇 k 個對象作為初始聚類中心； （2） 循環（3）到（4）直到每個聚類不再發生變化為止 （3） 根據每個聚類對象的均值（中心對象），計算每個對象與這些中心對象的距離；并根據最小距離重新對相應對象進行劃分； （4） 重新計算每個（有變化）聚類的均值（中心對象）
上傳時間： 2013-12-20
上傳用戶：chenjjer
K-MEANS算法: k-means 算法接受輸入量 k ；然后將n個數據對象劃分為 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）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 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）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
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個數據對象劃分為 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）來進行計算的。 k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 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）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用均方差作為標準測度函數. k個聚類具有以下特點：各聚類本身盡可能的緊湊，而各聚類之間盡可能的分開
上傳時間： 2013-12-19
上傳用戶：chenlong
k-means 算法的工作過程說明如下：首先從n個數據對象任意選擇 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）；不斷重復這一過程直到標準測度函數開始收斂為止。
上傳時間： 2013-12-27
上傳用戶：wpwpwlxwlx
：將K—means算法引入到樸素貝葉斯分類研究中，提出一種基于K—means的樸素貝葉斯分類算法。首先用K— me．arks算法對原始數據集中的完整數據子集進行聚類，計算缺失數據子集中的每條記錄與 個簇重心之間的相似度，把記 錄賦給距離最近的一個簇，并用該簇相應的屬性均值來填充記錄的缺失值，然后用樸素貝葉斯分類算法對處理后的數據 集進行分類。實驗結果表明，與樸素貝葉斯相比，基于K—means思想的樸素貝葉斯算法具有較高的分類準確率。
上傳時間： 2017-08-18
上傳用戶：banyou
K-Means算法是最古老也是應用最廣泛的聚類算法，它使用質心定義原型，質心是一組點的均值，通常該算法用于n維連續空間中的對象。 K-Means算法流程 step1：選擇K個點作為初始質心 step2：repeat 將每個點指派到最近的質心，形成K個簇 重新計算每個簇的質心 until 質心不在變化 例如下圖的樣本集，初始選擇是三個質心比較集中，但是迭代3次之后，質心趨于穩定，并將樣本集分為3部分 我們對每一個步驟都進行分析 step1：選擇K個點作為初始質心 這一步首先要知道K的值，也就是說K是手動設置的，而不是像EM算法那樣自動聚類成n個簇 其次，如何選擇初始質心 最簡單的方式無異于，隨機選取質心了，然后多次運行，取效果最好的那個結果。這個方法，簡單但不見得有效，有很大的可能是得到局部最優。 另一種復雜的方式是，隨機選取一個質心，然后計算離這個質心最遠的樣本點，對于每個后繼質心都選取已經選取過的質心的最遠點。使用這種方式，可以確保質心是隨機的，并且是散開的。 step2：repeat 將每個點指派到最近的質心，形成K個簇 重新計算每個簇的質心 until 質心不在變化 如何定義最近的概念，對于歐式空間中的點，可以使用歐式空間，對于文檔可以用余弦相似性等等。對于給定的數據，可能適應與多種合適的鄰近性度量。
上傳時間： 2018-11-27
上傳用戶：1159474180
k-means算法(matlab編寫),其中包含測試數據集,可以使用.
上傳時間： 2014-01-12
上傳用戶：ddddddos
該軟件是基于C均值算法的聚類軟件，能對數值型數據集進行合理的聚類。
上傳時間： 2015-04-30
上傳用戶：xinyuzhiqiwuwu
