搜索资源列表
MyKmeans
- 实现聚类K均值算法： K均值算法：给定类的个数K，将n个对象分到K个类中去，使得类内对象之间的相似性最大，而类之间的相似性最小。 缺点：产生类的大小相差不会很大，对于脏数据很敏感。 改进的算法：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
Clusterdemos-src
- 一个k-means算法的改进。使用了模糊聚类的方法，并且有演示过程。-a k-means algorithm improvements. The use of fuzzy clustering method, and a demonstration of the process.
ksp-1.0.tar
- K条路 算法 计算最短路径 CVC8-K road shortest path algorithm CVC8
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
kmedfilter
- K近邻中值（均值）滤波器 1) 以待处理像素为中心，作一个m*m的作用模板。 2） 在模板中，选择K个与待处理像素的灰度差为最小的像素。 3） 将这K个像素的灰度均值（中值）替换掉原来的像素值。 -K-nearest neighbor median (mean) a filter) for the pixel to be addressed, for a m* m role template. 2) In the tem
k_way
- K路归并算法，用贪心算法构造霍夫曼树，采用加入虚节点的思想求出最优的归并模式-K Road, merge algorithm, greedy algorithm using Huffman tree constructed using the idea of adding virtual nodes to derive the optimal merging pattern
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-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.
k-means
- 用MFC开发的简单的k-means实现代码，原创啊-Using MFC to develop a simple realization of the k-means code, original ah
R-K-F
- 较著名的解初值微分方程的数值方法——自适应Runge-Kutta-Fehlberg算法-More well-known solutions of initial value differential equations numerical methods- adaptive Runge-Kutta-Fehlberg algorithm
k_Mean
- K聚类分析，通过使用欧式距离，K聚类方法显示聚类结果，用于分类-K cluster analysis, using Euclidean distance, K show the clustering results of clustering method for classification
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
clara
- CLARA是基于k中心点的一种划分方法的实现，区别于别的划分方法，Clara是用于大规模分类运用方法的简称，可以实现对大规模数据的分类-CLARA(abbreviated from clustering large applications), is based on the k-medoid appraoch, which can be useful in clustering large data sets.
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.
clustering
- 模糊聚类算法，K-means and K-medoid algorithms，Fuzzy C-means algorithm，The Gustafson{Kessel algorithm，The Gath{Geva algorithm-Fuzzy clustering algorithm, K-means and K-medoid algorithms, Fuzzy C-means algorithm, The Gustafson (K
ms0023ClusterKMedoids
- K-medoid algorithm implemented in C
K_Medoids
- java code on k-medoid
K-medoid-Archive
- this is KMedoids clustering algorithem.
k-mediod-PAM
- k-medoids with matlab is very strong