资源列表
[matlab例程] 4842264ga_improve_fcm
说明:遗传算法主要是三个算子的作用,而聚类对初始中心和分的类数确定很差,本思想吧两者的优点联系到了一起(The genetic algorithm is mainly the function of three operators, and the clustering is very bad to the initial center and the class number of the Division)<ggsdduman > 在 2025-03-07 上传 | 大小:4kb | 下载:0
[matlab例程] 99768411ChooseInitialCentres
说明:模糊C均值初始聚类中心的选择,供初学者参考(Fuzzy C mean initial clustering center selection, for beginners reference)<ggsdduman > 在 2025-03-07 上传 | 大小:54kb | 下载:0
[matlab例程] 691698626subclustinializingfcm
说明:subclutering initializing fcm: 开发语言:matlab 功能:使用减法聚类初始化fcm算法的聚类中心,可以快速找到合适的初始聚类中心(subclutering initializing fcm:)<ggsdduman > 在 2025-03-07 上传 | 大小:2kb | 下载:0
[matlab例程] 45880713Exterme_k_means
说明:Extreme k-means,被yuboYuan提出,给定初始聚类中心,聚类快。(Extreme K-means is put forward by yuboYuan, given the initial clustering center, and the clustering is fast.)<ggsdduman > 在 2025-03-07 上传 | 大小:1kb | 下载:0
[matlab例程] 99273863K-means-clustering-algorithm
说明:K-均值聚类算法。可自由输入初始聚类中心的个数和其坐标。(K- means clustering algorithm. The number of initial cluster centers and its coordinates can be freely entered.)<ggsdduman > 在 2025-03-07 上传 | 大小:1kb | 下载:0
[matlab例程] BP神经网络的数据分类-语音特征信号分类
说明:BP神经网络的数据分类-语音特征信号分类(BP neural networks for data classification -- speech feature signal classification)<青鱼 > 在 2025-03-07 上传 | 大小:367kb | 下载:1
[matlab例程] BP神经网络的非线性系统建模-非线性函数拟合
说明:BP神经网络的非线性系统建模-非线性函数拟合(Nonlinear system modeling of BP neural networks nonlinear function fitting)<青鱼 > 在 2025-03-07 上传 | 大小:47kb | 下载:0
[matlab例程] 遗传算法优化BP神经网络-非线性函数拟合
说明:遗传算法优化BP神经网络-非线性函数拟合(Genetic algorithm optimization BP neural network nonlinear function fitting)<青鱼 > 在 2025-03-07 上传 | 大小:51kb | 下载:0
[matlab例程] Elman神经网络的数据预测—电力负荷预测模型研究
说明:Elman神经网络的数据预测—电力负荷预测模型研究(Data forecasting based on Elman neural network model of power load forecasting)<青鱼 > 在 2025-03-07 上传 | 大小:2kb | 下载:2
[matlab例程] SOM神经网络的数据分类--柴油机故障诊断
说明:SOM神经网络的数据分类--柴油机故障诊断(Data classification of SOM neural network -- Diesel Engine Fault Diagnosis)<青鱼 > 在 2025-03-07 上传 | 大小:3kb | 下载:0
[matlab例程] 101259363Desktop
说明:传统的K-medoids聚类算法的聚类结果随初始中心点的 不同而波动,且计算复杂度较高不适宜处理大规模数据集; 快速K-medoids聚类算法通过选择合适的初始聚类中心改进 了传统K-medoids聚类算法,但是快速K-medoids聚类算法 的初始聚类中心有可能位于同一类簇。为了克服传统的K- medoids聚类算法和快速K-medoids聚类算法的缺陷,提出 一种基于粒计算的K-medoids聚类算法。(The traditiona<playboyplay2 > 在 2025-03-07 上传 | 大小:2kb | 下载:0