搜索资源列表
jzpy
- 均值漂移算法应用于一维随机数据的聚类，漂移到其密度极大值-Mean shift clustering algorithm applied to the one-dimensional random data, drift to the density maxima
Fusion-based-Sensor-Placement
- 论文 在使用无线传感器网络进行目标检测时,如何布置尽可能少的传感器节点而同时实现高的正确检测概率和 低的误警率,是关键问题之一。采用数据融合技术,能实现传感器节点之间的协同,从而大幅提高目标检测精度。提 出了用于目标检测的精度模型,分析了数据融合半径与传感器节点密度之间的关系,设计聚类方法将目标点组织成布 置单元,从高密度单元到低密度单元布置传感器节点覆盖目标区域。仿真结果表明,算法在保证检测精度的同时能有 效减少所使用的传感器节点数目。 - Sensor placeme
k_clique
- CLIQUE聚类算法 CLIQUE是高维数据空间中基于网格和密度的聚类方法。-k-clique algorithm as defined in the paper "Uncovering the overlapping community structure of complex networks in nature and society"- G. Palla, I. Derényi, I. Farkas, and T. Vicsek- Nature 435, 814–818 (2005)
DBSCAN_cluster
- java语言编写的 DBSCAN基于密度的聚类算法，可实现对数据点基于密度的聚类-java language DBSCAN density-based clustering algorithm can be realized on density-based clustering of data points
KNN
- K最邻近密度估计分类,K最邻近密度估计技术是一种分类方法，不是聚类方法。-K nearest neighbor classification density estimation, K nearest neighbor density estimation technique is a classification method, not the clustering method.
EM_Algorithm
- 介绍期望最大算法基本原理及聚类实现，可以很好的对多个高斯概率密度分布进行分类-Introduces the basic principle and expectation maximization clustering algorithm to achieve, can be good for multiple Gaussian probability density distribution of the classification
orthogonal-density-of-a-image
- 计算图像的正交多项式密度，可以根据此图确定分割图像聚类个数，更加详细的图像信息-calculate orthogonal density of a image and determine how many part if we want to segemente the image
dbscan
- DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。 -DBSCAN (Density-Based Spatial Clustering of Applications with Noise) is a more represent
PeopleDensitydll
- 视频图像的人群密度检测，多种人群密度场景下人群计数算法： 算法功能:建立图像特征和图像人数的数学关系 算法输入:训练样本图像1,2…K 算法输出:模型估计参数 ，参考图像 算法流程：1)对训练样本图像进行分块处理(算法1.1)； 2)通过算法1.2，计算训练样本各个对应分块的ALBP特征归一化，再用K-means算法(可使用opencv等算法库实现，不再描述其算法)，将图像块分成k(k<K)类，获取k(k<K)个聚类中心，即为参考图像； 3)对分块的图像进行与
DBSCAN
- DBSCAN是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类-DBSCAN(Density-Based Spatial Clustering of Applications with Noise)
density-based-clustering
- 基于密度的聚类算法是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类-density based clustering
DBC-for-big-data
- 基于密度的聚类算法是一个比较有代表性的基于密度的聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类-density based clustering is a basic clustering algorithm in big data.
dbscan
- 数据挖掘算法 dbscan 基于密度的聚类算法 它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类-Data mining algorithms dbscan density-based clustering algorithm will cluster is defined as the density of points connected to the largest collection of regional divisi
stprtool_v2.12
- 统计模式识别工具箱(STPRTool 版本2.12 2013-09-12) 功能有线性判别函数、特征提取、密度估计和聚类、支持向量机、贝叶斯分类器、交叉验证等-Statistical Pattern Recognition Toolbox Methods: Fisher,PCA,GMM,K-means,SVM,Bayes classifier,Cross-validation,KNN,etc.
DBScan
- 这是一种改进的基于密度的聚类算法，其侧重点在于，点与线的分离-This is an improved clustering algorithm based on density, its focus is on the separation point and the line
clustering
- 基于快速搜索数据密度峰值的聚类算法是一种基于聚类中心具有较近邻点有更高密度且其与更高密度点间有着较大的相对距离的一类算法。-Clustering by fast search and find of density peaks is based on the idea that cluster centers are characterized by a higher density than their neighbors and by a relatively large distance
density-peaks-clustering-master
- 2014年发表的密度峰值聚类方法,聚类 聚类-density peak clustering master
hieararchical-clustering
- 基于核密度估计的层次聚类算法 -hierarchcial clustering with kernel density estimation
DBSCAN2014
- 可以实现基于密度的聚类,但是感觉实际效果不是太理想，还没实现图形化的部分。-You can achieve a density-based clustering
cluster
- science杂志上关于聚类的文章代码,通过重新定义距离和密度的概念，自动获取聚类中心-clustering Codes about an article published in a scientific journal