搜索资源列表
K_means
- k均值算法实现聚类,利用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 clustering algorithm, the use of the data points to the prototype of a distance as the objective function of optimization, the use of function extremum iteration adjustment rules
1.0
- 用opencv语言编写的基于距离极值的角点检测代码。-Using opencv language based on the distance of extreme corner detection code.
K-means
- 聚类算法 K-means 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 该代码针对图像的分类-Some distance K-means clustering algorithm to the data points as a prototype optimization objective function, using the function for extreme methods to adjust the rules to get the cod
KMeans
- 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 clustering algorithm is hard, is a typical prototype-based clustering method on behalf of the objective function, it is a method of data points to a certain di
zmyACO
- 蚁群优化算法实现函数求极值，利用距离修正进行改进-Ant colony optimization algorithm to achieve the function of extreme value, the use of distance correction to improve
kmeans
- 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 clustering algorithm is hard, is a typical prototype-based clustering methods on behalf of the objective function, it is a method of data points to a certain d
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 clustering algorithm is hard, is a typical prototype-based clustering method objective function representative, which is a method of data points to a certain d
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
Matlab在离散点拟合椭圆及极值距离计算中的应用
- Matlab在离散点拟合椭圆及极值距离计算中的应用.pdf(Application of Matlab in discrete point fitting ellipse and extreme distance calculation.Pdf)
PSOTrainBP
- BP神经网络容易陷于局部极小值，PSO算法在无约束非线性函数优化方面性能优越，通常可以直接找寻到全局最优解，即使不能搜多到全局最优解，也距离全局最优点不远。当然，基本PSO算法陷入局部极值也是有的。对于这个缺点目前还没有找到比较有效、省市的解决方案。本案例实现利用PSO算法和BP算法共同训练神经网络，先将网络进行PSO算法训练，然后BP算法接着进行小范围精细搜索，PSO算法训练神经网络的本质就是将输出误差函数（即能量函数）看成目标函数，PSO对能量函数进行全局寻找最小值。(BP neural n