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（根据与medoid最相近的原则）； 3，对于每个类（Oi）
medoids
- 一个完整的以类的形式的k-medoids算法-to a complete category in the form of k-medoids algorithm
cskmeans
- cskmeans 聚类算法的一种 1. 分裂法(partitioning methods)：给定一个有N个元组或者纪录的数据集，分裂法将构造K个分组，每一个分组就代表一个聚类，K<N。而且这K个分组满足下列条件：（1） 每一个分组至少包含一个数据纪录；（2）每一个数据纪录属于且仅属于一个分组（注意：这个要求在某些模糊聚类算法中可以放宽）；对于给定的K，算法首先给出一个初始的分组方法，以后通过反复迭代的方法改变分组，使得每一次改进之后的分组方案都较前一次好，而所谓好的标准就是：同一
k_medoids
- 聚类算法：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（根据与medoid最相近的原则）； 3，对于每个类（Oi）中，顺序选取一个Or，计算用Or代替Oi后的消耗—E（Or）。选择E最小的那个Or来代替Oi。这样K个medoids就改变了，下面就再转到2。 4，这样循环直到K个medoids固定下
JAVA实现文本聚类，用到TF/IDF权重
- JAVA实现文本聚类，用到TF/IDF权重，用余弦夹角计算文本相似度，用k-means进行数据聚类等数学和统计 知识。,JAVA realization of text clustering, using TF/IDF weight, calculated using cosine angle between the text of similarity, using k-means clustering for data such as mathematical and statistical
kMedoids.rar k-中心聚类算法的matlab实现
- k-中心聚类算法的matlab实现。直接读取文档数据，没有维限制。,k-Medoids clustering algorithm matlab implementation. Document data read directly, there is no dimension restrictions.
dataMining.rar
- 数据挖掘的软件，集成了关联规则、k-均值聚类、模糊聚类、k-中心点聚类四种算法,software of data mining
k-meansjava.rar
- 用JAVA语言实现的经典聚类算法k-means，聚类与分类不同，它是无监督的过程，,JAVA language used to achieve a classic clustering algorithm k-means, clustering and classification of different, it is the unsupervised process,
k-medoids
- k-medoids实现网络社区聚类，含有使用说明书和算法原理-k-medoids clustering for network communities, containing instructions and algorithm theory
聚类K-Medoids算法
- 聚类K-Medoids算法。文件里面包含了详细的程序说明和示例。-K-Medoids clustering algorithm.The file contains a detailed descr iption of the procedures and examples.
K-Means
- K均值聚类算法 C++实现的K均值聚类算法。-K means clustering algorithm C++ Achieved K-means clustering algorithm.
K_Medoids
- K-medoids算法的实现，c++实现-K-medoids cluster algorithm
newkqpso
- 对k-medoids与qpso结合的算法进行改进。选择调用qpso优化，降低运行时间，提高算法的执行效率。-Pairs of k-medoids algorithm combined with the qpso improvements. Select call qpso optimization, reducing operating time and improve the efficiency of the implementation of the algorithm.
K-medoids-with-the-analysis-
- 基于聚类的K中心点算法，附带说明文档，代码简单高效，很好的利用了矩阵的代数运算。数学思想较为高深，但通过仔细研读说明文档和动手操作，matlab数学分析能力可以得到有效的提高-K medoids clustering annotated document, the code is simple and efficient, good use of matrix algebra operations. Mathematical thinking is more profound, but by c
k-medoids
- 聚类算法中的k-medoids算法，和 k-means 肯定是非常相似的。事实也确实如此，k-medoids 可以算是 k-means 的一个变种。k-medoids 和 k-means 不一样的地方在于中心点的选取，在 k-medoids 算法中，我们将从当前 cluster 中选取这样一个点——它到其他所有（当前 cluster 中的）点的距离之和最小——作为中心点。-Clustering algorithm k-medoids algorithm, and k-means is certa
k-mean+k-medoids
- 机器学习中的两个基本算法，k-means 和k-medoids 通过学习英文课件，更好的理解算法内涵(Machine learning in the two basic algorithms, K-means and k-medoids through learning English courseware, better understanding of the algorithm connotation)
k-medoids
- k-medoids聚类算法对数据进行分类处理(k-medoids Clustering algorithm for data classification)
K-Medoids Clustering
- K-Medoids Clustering
KM
- 基于k-medoids算法的改进算法，在第五代移动通信中D2D通信中的应用。(The improved algorithm based on k-medoids algorithm is applied to D2D communication in the fifth generation mobile communication.)