搜索资源列表
K-meansNB
- ：将K—means算法引入到朴素贝叶斯分类研究中，提出一种基于K—means的朴素贝叶斯分类算法。首先用K— me．arks算法对原始数据集中的完整数据子集进行聚类，计算缺失数据子集中的每条记录与 个簇重心之间的相似度，把记 录赋给距离最近的一个簇，并用该簇相应的属性均值来填充记录的缺失值，然后用朴素贝叶斯分类算法对处理后的数据 集进行分类。实验结果表明，与朴素贝叶斯相比，基于K—means思想的朴素贝叶斯算法具有较高的分类准确率。-: K-means algorithm will
ClusterEnsembleV10
- Alexander Strehl的CLUSTER ENSEMBLE算法----------------------------------------------------------------------- CLUSTERENSEMBLE README Alexander Strehl Version 1.0 2002-04-20 -------------------------------------------------------------------
hypertable-0.9.2.7-alpha-src.tar
- hypertable-0.9.2.7-alpha-src.tar Hypertable 是一个正在进行中的开源项目，以google的bigtable论文为基础指导，使用c++语言实现。目的是为了解决大并发，大数据量的数据库需求。目前只支持最基本的查询功能，对于事物，关联查询等都不支持。对单条查询的响应时间可能也不如传统数据库（要看数据量，量越大，对hypertable越有力）。好处是，可以处理大量并发请求，和管理大量数据。可扩缩性好，扩容只需要增加集群中的机器就ok了。任何节点失效，既不会造
WakeOnLan
- 这是一个通过网卡MAC地址远程唤醒电脑的示例，支持群集唤醒。因为条件有限，没有全部测试过。还有能不能远程开机，如果远程开机可能前提需要在被唤醒的电脑的主板CMOS里设置唤醒功能。 -This is a wake-up through the network card MAC address of the remote computer' s example in support of the cluster wake. Because the conditions are limit
SECURE_LEACH_ROUTING_PROTOCOL_BASED_ON_LOW-POWER_
- ABSTRACT In this paper we put forward a kind of secure LEACH routing protocol (SC-LEACH) based on low-power clusterhead selection algorithm. This protocol gets the total number of all nodes by their collaboration in selecting, to precisely calculat
k_means
- 首先从n个数据对象任意选择 k 个对象作为初始聚类中心；而对于所剩下其它对象，则根据它们与这些聚类中心的相似度（距离），分别将它们分配给与其最相似的（聚类中心所代表的）聚类；然后再计算每个所获新聚类的聚类中心（该聚类中所有对象的均值）；不断重复这一过程直到标准测度函数开始收敛为止。一般都采用均方差作为标准测度函数. k个聚类具有以下特点：各聚类本身尽可能的紧凑，而各聚类之间尽可能的分开。-First, a data object from the n choose k objects as in
Cluster1
- 一个简单的Weblogic集群讲解实例全部源码-A simple example to explain all the source code Weblogic cluster
NewK-means-clustering-algorithm
- 珍藏版，可实现，新K均值聚类算法，分为如下几个步骤： 一、初始化聚类中心 1、根据具体问题，凭经验从样本集中选出C个比较合适的样本作为初始聚类中心。 2、用前C个样本作为初始聚类中心。 3、将全部样本随机地分成C类，计算每类的样本均值，将样本均值作为初始聚类中心。 二、初始聚类 1、按就近原则将样本归入各聚类中心所代表的类中。 2、取一样本，将其归入与其最近的聚类中心的那一类中，重新计算样本均值，更新聚类中心。然后取下一样本，
Kode-Program-Algoritma-Fuzzy-C-Means
- Fuzzy clustering is a class of algorithms for cluster analysis in which the allocation of data points to clusters is not "hard" (all-or-nothing) but "fuzzy" in the same sense as fuzzy logic.
Matrix
- Dataset for my MPI clustering implementation. Matrix.txt - sparse matrix of all terms Matrix.txt.membership - clustering results Matrix.txt.cluster_centres - cluster centers
kmeansK
- KMEANSK Performs K-means clustering given a list of feature vectors and k The argument k indicates the number of clusters you want the data to be divided into. data_vecs (N*R) is the set of R dimensional feature vectors for N data points. E
PAM
- PAM（Partitioning Around Medoid,围绕中心点的划分）算法是是划分算法中一种很重要的算法，有时也称为k-中心点算法，是指用中心点来代表一个簇。PAM算法最早由Kaufman和Rousseevw提出，Medoid的意思就是位于中心位置的对象。PAM算法的目的是对n个数据对象给出k个划分。PAM算法的基本思想：PAM算法的目的是对成员集合D中的N个数据对象给出k个划分，形成k个簇，在每个簇中随机选取1个成员设置为中心点，然后在每一步中，对输入数据集中目前还不是中心点的成员根
Kmeans
- Kmeans 算法是聚类分析中使用最为广泛的算法之一，其每个类别均用该类中所有数据的平均值(或加权平均)来表示，这个平均值即被称作聚类中心。该方法虽然不能用于 类别属性的数据，但对于数值属性的数据，它能很好地体现聚类在几何和统计学上的意义。-Kmeans algorithm is the most widely used cluster analysis algorithm, each category with the average of all data in the class (
FAT12Description
- An overview of FAT12 The File Allocation Table (FAT) is a table stored on a hard disk or floppy disk that indicates the status and location of all data clusters that are on the disk. The File Allocation Table can be considered to be the "table of
k-means-clustering
- 用C语言程序通过先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。一旦全部对象都被分配了，每个聚类的聚类中心会根据聚类中现有的对象被重新计算。-C Programming Language by first randomly selected the K object as initial cluster centers. And then calculate the distan
VCS-dual-applications
- 双机热备这一概念有两种不太相同的意义：从广义上来说也称为双机互备，指的是对于重要的服务，使用两台服务器协同工作，共同执行同一个服务。当一台服务器出现故障时，可以由另一台服务器暂时相应原有的两个机器的所有服务，等待故障机的恢复和重新加入集群，从而在不需要人工干预的情况下，自动保证系统能持续提供服务。这种集群一般被称为高性能集群（High performance cluster. HPC）-Hot Standby two less the same meaning of the concept: B
iweb_im
- 作为一款以解决大型站点高并发高负载问题为主要任务的开源webIM软件，iWebIM功能强大，易于集成。主动易用的可嵌入式设计使他可以方便的和现有所有社区系统集成在一起。 与iwebAx系列其他产品一样,它也基于iweb SuperInteraction(简称iweb SI)框架开发。借助iwebSI平台，站点可以轻松获得支持热插拔及快速增加新节点的集群计算与处理能力（分布式计算与存储/高可用性/负载均衡），并且无论交互式服务的请求是来自计算机还是移动终端。 另外，iWebIM
linuxPPT
- 这一套代码是linux系统下集群实现的所有源码，很有研究价值。希望与大家共享-This set of code is the linux system to achieve all of the cluster source, great research value. I hope to share
K_Means_image_compression
- - K means algorithm is performed with different initial centroids in order to get the best clustering. - The total cost is calculated by summing the distance of each point to its cluster centre and then summing over all the clusters.Based on the mi
3upload
- This algorithm is designed to segment an satellite image using Kmeans, and then all kmeans clusters Satellite image (target image) and template image using local binary pattern (LBP) and then applied various template matching techniques between LBP K