搜索资源列表
IFIDF
- 文档内容比对,判断文档内容相似度，适合初学者学习。(Document content comparison)
3126139
- 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()
statistics_kmeans
- K-means算法是一种硬聚类算法，根据数据到聚类中心的某种距离来作为判别该数据所属类别。K-means算法以距离作为相似度测度。(kmeans uses the k-means++ algorithm for centroid initialization and squared Euclidean distance by default. It is good practice to search for lower, local minima by setting the 'Replica
文本相似度计算方法研究综述.pdf
- Text similarity; semantic similarity; ontology; word bag model; neural network ; thesis review
frechet (1)
- 用弗雷歇算法进行曲线相似度判断，两条不规则曲线进行判断，根据所得距离进行判断相似度。(With Frechet algorithm for curve similarity judgment)
analyze
- 实现比较文本的差异，和得到两个文本的最大相似度(Implementing the comparison text and getting the maximum similarity)
51CTO下载-商之翼-ECSHOP集合版源码
- 51CTO下载-商之翼-ECSHOP集合版源码俗称为小京东，这个源码与京东商城高达百分之90的相似度，绝对值得电商爱好者前来下载(51CTO download - Business wing -ECSHOP collection source code, commonly known as small Jingdong, this source code and Jingdong mall up to ninety percent similarity, it is absolutely wor
RKRGST
- 用于字符串文本的匹配算法，融入了kr算法，hash函数映射的方法，缩短了计算时间成本。多用于抄袭相似度比对等领域(The matching algorithm for string texts incorporates the kr algorithm and the hash function mapping method, which reduces the computation time cost.)
K-means
- K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。(The K-means algorithm is a hard clustering algorithm, which is representative of the prototy
协同过滤算法
- 文本聚类(Text clustering)文档聚类主要是依据著名的聚类假设:同类的文档相似度较大，而不同类的文档相似度较小。作为一种无监督的机器学习方法，聚类由于不需要训练过程，以及不需要预先对文档手工标注类别，因此具有一定的灵活性和较高的自动化处理能力，已经成为对文本信息进行有效地组织、摘要和导航的重要手段，为越来越多的研究人员所关注。(Text clustering document clustering is based on the well-known clustering assum
kmeans
- K-means算法是集简单和经典于一身的基于距离的聚类算法 采用距离作为相似性的评价指标，即认为两个对象的距离越近，其相似度就越大。 该算法认为类簇是由距离靠近的对象组成的，因此把得到紧凑且独立的簇作为最终目标。(K-means algorithm is a distance based clustering algorithm which is simple and classic. Distance is used as a similarity evaluation index, t
FCM
- 数学建模评价模型中常用到的聚类分析法，聚类是将一组给定的未知类标号的样本分成内在的多个类别，使得同一类中的样本具有较高的相似度，而不同类中的样本差别大，聚类分析的目的是揭示和刻画数据的内在结构。(The clustering analysis method commonly used in mathematical modeling evaluation model. Clustering is to divide a set of samples of unknown class marks
msssim
- matlab实现mssim算法，全参考客观图像质量评价，对结构相似度ssim算法的改进(Matlab implementation of MSSIM algorithm, the improvement of structural similarity SSIM algorithm based on full reference objective image quality assessment.)
mn
- 对文本的情感分析的划分和测试，相似度进行判断(The classification and test of text sentiment analysis, and the judgement of similarity.)
2.2 图像分割技术
- FCM算法是一种基于划分的聚类算法，它的思想就是使得被划分到同一簇的对象之间相似度最大，而不同簇之间的相似度最小。模糊C均值算法是普通C均值算法的改进，普通C均值算法对于数据的划分是硬性的，而FCM则是一种柔性的模糊划分。在介绍FCM具体算法之前我们先介绍一些模糊集合的基本知识。(The FCM algorithm is a partition-based clustering algorithm. Its idea is to make the similarity among the obj
find people
- visual studio 2015平台上实现，摄像头识别人脸位置，并且与库中图片对比，识别人脸相似度。(On the visual studio 2015 platform, the camera recognise the face position and compare with the picture in the library to identify face similarity.)
er
- 对亚马逊和谷歌的数据进行匹配进行解析，用余弦相似度并设置阈值，求出两条数据是否匹配(Data matching between Amazon and Google is analyzed.)
SOGFS_aaai16
- Structured Optimal Graph Feature Selection 对图像样本进行特征选择，使用自学习算法，然后得出相似度矩阵S(% Input % X: dim*num data matrix % gamma: coefficient of L21 % d: projection dim of W(dim*d) % c: number of clusters % k: nearest neighobrs %Output %id: sorted featu
btm-master
- BTM模型，短文本相似度的处理模型，计算短文本相似度(BTM model, processing model of short text similarity)
FaceNet-A-Unified-Embedding-for-Face-Recognition-and-Clustering
- FaceNet---深度学习与人脸识别的二次结合 Facenet是一个通用的系统，采用CNN神经网络将人脸图像映射到128维的欧几里得空间，我们可以根据两幅人像的欧几里得距离去判断两个人像的相似程度。两个人像之间的欧几里得距离越近，说明它们越相似。 FaceNet可以用于人脸验证（是否是同一人？），识别（这个人是谁？）和聚类（寻找类似的人？）。FaceNet采用的方法是通过卷积神经网络学习将图像映射到欧几里得空间。空间距离直接和图片相似度相关：同一个人的不同图像在空间距离很小，不同人的图像在