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
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
mykmeans
- matlab code for k-means for neural net RBF
MyKmeans
- 使用java实现了数据挖掘中的K-mean算法，并进行了适当的改进，代码清晰，支持多维，可以方便修改代码接口。-Java implementation of data mining using the K-mean algorithm, and make the appropriate improvements, code clarity, support multi-dimensional, you can easily modify
mykmeans
- k-means算法 算法算法 算法算法 算法 -k-means algorithm algorithm algorithm algorithm algorithm algorithm algorithm algorithm algorithm algorithm algorithm
myKmeans
- matlab implementation of k-means classification algorithm to classify images.
myKmeans
- k_means algorithm with matlab
mykmeans
- 我写的一个带权重的kmeans算法，在计算中心点的位置时考虑到了每个点的权重-I wrote a kmeans algorithm with weights in the calculation of the position of the center point to take into account the weight of each point
mykmeans
- Image Segmentation is vital role in nowadays. The K-means algorithm usually the initial centroids for the K-means clustering are determined randomly so that the determined centroids may reach the nearest local minima,
Mykmeans
- 改进的K-means算法，速度快，输入是样本的特征向量和聚类类别数，每一行代表一个样本，每一列代表一个特征，输出聚类标签-Improved K-means algorithm, fast, is a sample of the input feature vectors and cluster number of categories, each row represents a sample, and each column repr
mykmeans
- 适合初学者学习kmeans聚类算法的简单的MATLAB程序，可以直接调用实现聚类结果-it is useful for beginners to learn about kmeans algorithm
myKmeans
- k均值 kmeans算法java 可直接调用-kmeans java
myKmeans.m
- 模式识别学习中使用matlab编写的Kmeans算法实现的小程序-Learning to use pattern recognition matlab prepared Kmeans algorithm small program