搜索资源列表
HAFUCHK
- 支持向量增长聚类方法 Support vector growth clustering methods(Growth in Support vector clustering method Support vector growth clustering methods)
程序
- SOM-SVM模型是利用SOM的聚类特点，将含有相同特征的输入样本聚集在一起，并把离聚类中心较远的输入样本舍去。经过20%的样本压缩后，将含有代表性的小样本再送入SVM进行训练。本文的样本集通过实验平台采集，验证了基于支持向量机的频谱感知方法在实际数据测试条件下也能取得很好的感知性能。仿真结果表明，SOM-SVM模型在低信噪比下，频谱检测率接近100%，检测错误率也得到了很好的改善。(The SOM-SVM model is based on clustering characteristics
slic
- 超像素分割图像，将彩色图像转化为CIELAB颜色空间和XY坐标下的5维特征向量，然后对5维特征向量构造距离度量标准，对图像像素进行局部聚类的过程(simple linear iterativeclustering)
Kmeans
- 算法思想：提取文档的TF/IDF权重，然后用余弦定理计算两个多维向量的距离来计算两篇文档的相似度，用标准的k-means算法就可以实现文本聚类。源码为java实现(Algorithm idea: extract the TF/IDF weight of the document, then calculate the distance between two multidimensional vectors by cosine theorem, calculate the similarity
MLInActionCode-master
- 机器学习实战的源代码集合，第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法、基于树的回归算法和分类回归树（CART）算法等。第三部分则重点介绍无监督学习及其一些主要算法：k均值聚类算法、Apriori算法、FP-Growth算法。第四部分介绍了机器学习算法的一些附属工具(Machine learning combat source code collection
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
vlfeat-0.9.212
- 包括聚类分析，支持向量机，随机森林等算法(Including clustering analysis, support vector machines, random forests and other algorithms.)
kmeans
- jieba分词将中文文本进行分词处理，将分词后的结果使用word2vec转化成词向量，使用kmeans将中文文本进行聚类(Jieba participle segmenting Chinese text, transforming the result of word segmentation into word vector using word2vec, and clustering Chinese text using kmeans.)
数据挖掘 R语言实战-代码
- 数据挖掘算法R语言实现，包括聚类、判别、集成学习、随机森林、神经网络、支持向量机等算法。(Data mining algorithm R language implementation, including clustering, discrimination, ensemble learning, random forest, neural network, support vector machines and other algorithms.)
som算法
- 机器学习中的som算法，用来聚类分析的，代码中 :param X: 形状是N*D， 输入样本有N个,每个D维 :param output: (n,m)一个元组，为输出层的形状是一个n*m的二维矩阵 :param iteration:迭代次数 :param batch_size:每次迭代时的样本数量 初始化一个权值矩阵，形状为D*(n*m)，即有n*m权值向量，每个D维
三维点云分割
- 通过java实现对三维点云进行分割，包括三种方法：基于法向量的、基于区域的、基于聚类的