搜索资源列表
K－均值聚类算法C++编程
- K-均值聚类算法的编程实现。包括逐点聚类和批处理聚类。K－均值聚类的的时间复杂度是n*k*m，其中n为样本数，k为类别数，m为样本维数。这个时间复杂度是相当客观的。因为如果用每秒10亿次的计算机对50个样本采用穷举法分两类，寻找最优，列举一遍约66.7天，分成3类，则要约3500万年。针对算法局部最优的缺点，本人正在编制模拟退火程序进行改进。希望及早奉给大家，倾听高手教诲。-K-means clustering algorithm pr
medoids
- 一个完整的以类的形式的k-medoids算法-to a complete category in the form of k-medoids algorithm
K-Means
- K均值算法--- --- --- --VC代码编写-K 戮 霉脰渭脣茫 篓------ VC
K-C
- 这是一个K中心点聚类算法C实现的,希望对大家有用-K this is a clustering algorithm C to achieve a focal point, and I hope useful for everyone
k-means
- 这是K均值算法,采用c语言编写,K的取值为2,大家可以改变K的值来进行测试-This is the K-means algorithm, using c language, K value of 2, we can change the value of K for testing
k-median
- 这是一个关于k中心聚类的算法，希望大家指点。-It is a clustering algorithm k centers, I hope everyone pointing.
cskmeans
- cskmeans 聚类算法的一种 1. 分裂法(partitioning methods)：给定一个有N个元组或者纪录的数据集，分裂法将构造K个分组，每一个分组就代表一个聚类，K<N。而且这K个分组满足下列条件：（1） 每一个分组至少包含一个数据纪录；（2）每一个数据纪录属于且仅属于一个分组（注意：这个要求在某些模糊聚类算法中可以放宽）；对于给定的K，算法首先给出一个初始的分组方法，以后通过反复迭代的方法改变分组，使得每
k_medoids
- 聚类算法：k—medoids 方法。这儿选取一个对象叫做mediod来代替上面的中心 的作用，这样的一个medoid就标识了这个类。步骤： 1，任意选取K个对象作为medoids（O1,O2,…Oi…Ok）。 以下是循环的： 2，将余下的对象分到各个类中去（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了
K-Means
- K均值聚类算法 C++实现的K均值聚类算法。-K means clustering algorithm C++ Achieved K-means clustering algorithm.
k-means_cluster
- 通过将一幅图像的sift特征提取出来，然后对他们采用k均值方法进行聚类-By an image feature extraction sift out, and then on their way to the use of k-means clustering
k-meansjava
- 用JAVA语言实现的经典聚类算法k-means，聚类与分类不同，它是无监督的过程，-JAVA language used to achieve a classic clustering algorithm k-means, clustering and classification of different, it is the unsupervised process,
KMedoids
- 聚类K-Medoids算法。文件里面包含了详细的程序说明和示例。-K-Medoids clustering algorithm.The file contains a detailed descr iption of the procedures and examples.
kMedoids
- k-中心聚类算法的matlab实现。直接读取文档数据，没有维限制。-k-Medoids clustering algorithm matlab implementation. Document data read directly, there is no dimension restrictions.
k-means_Program
- k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。 -k-means algorithm to accept input k then n-k of data objects into a cluster in order to make th
K_Medoids
- K-medoids算法的实现，c++实现-K-medoids cluster algorithm
k-medoids
- k-medoids实现网络社区聚类，含有使用说明书和算法原理-k-medoids clustering for network communities, containing instructions and algorithm theory
K-medoids-with-the-analysis-
- 基于聚类的K中心点算法，附带说明文档，代码简单高效，很好的利用了矩阵的代数运算。数学思想较为高深，但通过仔细研读说明文档和动手操作，matlab数学分析能力可以得到有效的提高-K medoids clustering annotated document, the code is simple and efficient, good use of matrix algebra operations. Mathematical think
k-medoids
- 聚类算法中的k-medoids算法，和 k-means 肯定是非常相似的。事实也确实如此，k-medoids 可以算是 k-means 的一个变种。k-medoids 和 k-means 不一样的地方在于中心点的选取，在 k-medoids 算法中，我们将从当前 cluster 中选取这样一个点——它到其他所有（当前 cluster 中的）点的距离之和最小——作为中心点。-Clustering algorithm k-medoids a
k-mean+k-medoids
- 机器学习中的两个基本算法，k-means 和k-medoids 通过学习英文课件，更好的理解算法内涵(Machine learning in the two basic algorithms, K-means and k-medoids through learning English courseware, better understanding of the algorithm connotation)
k-medoids
- k-medoids聚类算法对数据进行分类处理(k-medoids Clustering algorithm for data classification)