搜索资源列表
aa
- 基于支持向量机与无监督聚类相结合的中文网页分类器，好文章-un supervised clustering algo rithm
yichuanjulei
- 文章中主要介绍了遗传算法和模糊聚类相结合在特征提取中选取最有特征向量，极其在故障诊断应用中的优越性。-Article introduces the genetic algorithm and the combination of fuzzy clustering in the feature extraction, select the best feature vector, most in the superiority of fault diagnosis applications.
1
- 基于WEKA平台的文本聚类研究与实现 文本聚类是文本挖掘领域的一个重要研究分支，是聚类方法在文本处理领域的应用。本文对基于空间向量模型的文本聚类过程做了较深入的讨论和总结，利用文本语料库，基于数据挖掘工具研究并实现了文本聚类的过程。本文首先给出了文本聚类的思想和过程，回顾了文本聚类领域的已有成果，列举了文本聚类领域在特征表示、特征提取等方面的基础研究工作。另外，本文回顾了现有的文本聚类算法，以及常用的文本聚类效果评价指标。在研究了已有成果的基础上，本文利用20 Newsgroup文本语料库，
CPPK-means
- K均值聚类首先需要确定聚成几类，然后按照迭代的方法，计算类的重心，然后按照向量和类重心的聚类重新分类，反复重复，直到分类稳定或者重心稳定。-K means clustering first need to identify clustered into several categories, and then follow the iterative method to calculate the focus of the class, and then follow the center of
clustering-programming
- 聚类（Cluster）分析是由若干模式（Pattern）组成的，通常，模式是一个度量（Measurement）的向量，或者是多维空间中的一个点。聚类分析以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。 -Cluster (Cluster) analysis was performed by a number of models (Pattern) composed of, usually, model is a measure of (Measurement
work
- 针对FCM算法的运行时间长和计算量大的问题，提出了改进的FCM算法，先将图像分割成窗口大小的子块，然后以子块为单位提取特征向量，用FCM聚类粗分割，然后对边缘子块，以像素为单位从新提取特征向量，进行细分割。分割后的结果提高了运行速度和分割精度。-For the FCM algorithm and the calculation of long run the problem of large proposed improved FCM algorithm, first image into bl
SVM_Train
- 基于聚类算法的支持向量机算法的实现，代码不错，加参数就可使用-Clustering algorithm based on support vector machine algorithm, the code is good, plus you can use parameters
vsm-and-cluster-kmeans
- 对文本聚类的向量空间模型机制VSM以及Kmeans等讲解比较详细，是研究文本聚类的好书籍-Clustering of text vector space model to explain the mechanism of VSM and Kmeans and other more detailed, study of text clustering is a good book
improved-MSER-algorithm-
- 本文在比较多种仿射不变性区域的基础上，选取最大稳定极值区域(MSER)对图像内容进行分割和提取，并通过构造仿射不变量的方法，对提取出来的区域进行规整化，进而从规整化的区域中提取SIFT描述子，然后根据匹配目标的需要进行特征的组合、变换，以形成易于匹配、稳定性好的特征向量，从而把图像匹配问题转化为特征的匹配问题 通过改进的K均值算法对特征向量进行聚类，聚类中心作为图像的视觉关键词:利用视觉关键词的思想，把文本检索技术领域的方法移植到图像检索应用上；并研究视觉关键词之间的空间约束关系。-Most r
CA_Sequential
- 实现了向量的聚类算法，输入三个参数：向量集合、划分数目和设定的阈值，就可得到聚类结果，以欧式距离作为距离判别准则。-Realize the vector of the clustering algorithm, the input three parameters: vector set and the division of number and set threshold, can get clustering results to the Euclidean distance as a c
nonliner-class
- 非线性分类器，对于任意输入的2维向量采用聚类算法分类-Non-linear classifier, for any type of two-dimensional vector classification using clustering algorithms
HOG
- 为了准确地对监控场景中的运动目标进行语义上的分类， 提出了一种基于聚类的核主成分分析梯度方向直方图和二叉决策树支持向量机的运动目标分类算法．利用背景减法提取运动目标前景区域， 并识别出潜在候选运动目标．利 用提出的基于聚类的核主成分分析的梯度直方图描述子提取候选运动目标的特征， 以较低维数的数据有效地描述运动目标的有效特征． 将提取的运动目标特征输入二叉决策树支持向量机， 实现多类目标的准确分类． 通过在不同视频序列上的实验验证， 提出的算法对运动目标进行较好地分类， 而且在运算速度方面较传
libsvm-mat-2[1].86-1
- 支持向量机的一个工具包，可以提供聚类，分类，等功能-Support vector machine can provide a kit, clustering, classification, and other functions
Clustering-algorithm
- 本文介绍了支持向量机基于核方法的聚类算法及其应用-This paper introduced the support vector machine based on kernel method for clustering algorithm and its application
Kernelclusringalgorithm
- 本文包含了基于支持向量机的核聚类算法，以及核聚类算法的应用-This article contains a support vector machine based on the kernel clustering algorithm, as well as the kernel clustering algorithm and its application
FCM
- 利用模糊C聚类（FCM）的方法对彩色图像进行分割，期中可以用不通的特征向量来表征图像的特征-Using Fuzzy C-clustering (FCM) method for color image segmentation, mid-term feature vectors can be used unreasonable to characterize the image Feature
MBSAS
- 改进的基本顺序聚类算法，算法包括两个阶段，第一个阶段是将x的一些向量分配到聚类中来形成类；在第二个阶段中，没有被分配的向量第二次参与算法，并分配到合适的类中。-Improved basic sequential clustering algorithm，The algorithm consists of two phases, the first stage is some vector x is assigned to the cluster to form a class In the s
Multi-class-SVM-Image-Classification
- 基于神经网络的遥感图像分类取得了较好的效果,但存在固有的过学习、易陷入局部极小等缺点.支持向量机机器学习方法,根据结构风险最小化(SRM)原理,表现出很多优于其他传统方法的性能,本研究的基于多类支持向量机分类器的遥感图像分类取得了达95.4 的分类精度.但由于遥感图像分类类别多,所需训练样本较大,人工选择效率较低,为此提出以人工选择初始聚类质心、C均值模糊聚类算法自动标注训练样本的基于多类支持向量机的半监督式遥感图像分类方法,期望能在获得适用的分类精度的基础上有效提高分类效率-Neural ne
K-means
- 模式识别中聚类分析经典算法，K-均值算法，C语言编写，可以读入文件，处理任意维数和任意个数的特征向量，附有测试数据。-The classic pattern recognition, cluster analysis algorithm, the K-means algorithm, written in C language, can read the file, handle any number of dimensions and any number of feature vectors
Support-vector-machine-
- 利用谱聚类方法在特 征向量空间中对原始样本数据进行重新表述使得在新表述中同一聚类中的样本能够更好地积聚在一起构建聚类核函数 并进而构造聚类核半监督支持向量机 使样本更好地满足半监督学习必须遵循的聚类假设 -Restated in the new formulation in the same cluster sample be better able to accumulate together to build the clustering of nuclear function and