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(duì)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(wàn)年。針對(duì)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
一個(gè)用于數(shù)學(xué)函數(shù)值計(jì)算的c函數(shù),求任意數(shù)學(xué)函數(shù)f(x)和f(x,y)的值
標(biāo)簽: 數(shù)學(xué)函數(shù) c函數(shù) 計(jì)算
上傳用戶:zhangyigenius
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(duì)聚類進(jìn)行了改進(jìn)。20組聚類仿真表明,平均每次對(duì)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(wèn)題(見(jiàn)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(wú)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
介紹了一種在DSP 仿真環(huán)境下,采用C 語(yǔ)言對(duì)FLA SH 進(jìn)行在系統(tǒng)編程( ISP)的 方法,同時(shí)介紹了TM S320VC5402 的Boo t loader 原理,給出了DSP 的并行FLA SH 引導(dǎo)功能實(shí)現(xiàn) 方案,并且給出了一個(gè)簡(jiǎn)單的測(cè)試實(shí)例
標(biāo)簽: DSP FLA loader 5402
上傳時(shí)間: 2014-10-12
上傳用戶:caixiaoxu26
是K均值算法的一個(gè)Linux下的編譯的程序,用標(biāo)準(zhǔn)C++編寫的
標(biāo)簽: Linux K均值算法 編譯 程序
上傳時(shí)間: 2013-12-27
上傳用戶:aa54
Unix 第 6 版的 sh 手冊(cè)和源碼,感興趣請(qǐng)參考`The UNIX Time-Sharing System , CACM, July, 1974,它給出 Shell 操作的理論。 chdir (I), login (I), wait (I), shift (I)
標(biāo)簽: Unix sh 源碼
上傳時(shí)間: 2014-08-15
上傳用戶:wys0120
數(shù)據(jù)挖掘中K均值算法的實(shí)現(xiàn)用MATLAB編寫
標(biāo)簽: MATLAB 數(shù)據(jù)挖掘 K均值算法 編寫
上傳時(shí)間: 2015-03-23
上傳用戶:maizezhen
Grammatica是一個(gè)C#和Java的語(yǔ)法分析程序生成器(編譯器的編譯器)。它可以用LL(k)語(yǔ)法創(chuàng)建可讀的和帶有注釋的源代碼。它也支持創(chuàng)建一個(gè)運(yùn)行時(shí)語(yǔ)法分析器,帶不生成源代碼。語(yǔ)法產(chǎn)生式用EBNF描述,使用規(guī)則表達(dá)式的符號(hào)
標(biāo)簽: Grammatica Java 編譯器 LL
上傳時(shí)間: 2014-11-12
上傳用戶:569342831
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(duì)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(cè)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
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1