搜索资源列表
chameleon
- 变色龙层次聚类算法，利用动态模型的层次聚类算法-chameleon hierarchical clustering algorithm, using a dynamic model of hierarchical clustering algorithm
cure
- 层次聚类算法中的cure算法，它利用代表点来达到聚类目的-hierarchical clustering algorithm cure the algorithm, which uses representatives point to achieve clustering purpose
LongestDistance
- java实现层次聚类,最远距离算法,具有良好的程序结构,具有通用性-java achieve hierarchical clustering, the most remote algorithm has a good program structure is universal
ShortestDistance
- java实现层次聚类最小距离算法,代码结构良好,具有复用性.-java achieve minimum distance hierarchical clustering algorithm, code structure and has a good reusability.
k-meanssom
- k-means som 层次聚类 算法比较-k-means clustering algorithm level som comparison
test1
- 模式识别中的层次聚类，有具体的MATLAB代码没用自带函数
PBClustering
- 包含最大频繁序列的挖掘； 包含层次聚类算法
CURE
- 层次聚类算法中的Cure算法，可以用于识别非球形的簇，解决了偏好球形和相似大小的问题，在处理孤立点上也更加健壮。
julei
- 手写数字聚类算法的实现. 该程序层次聚类, 动态聚类, 模糊聚类. 是学习人工智能在图像领域应用的好的资料.
Birch.tgz
- Birch:这是一种综合的层次聚类的方法，它介绍了两个概念，聚类特征和聚类特征树，它们是用来表示聚类的。这些结构能够帮助聚类方法能运行得更快，能够处理大数据量。
Birch(Clustering)
- 经典的层次聚类算法Birch。在linux下运行通过，可以实现大规模数据的层次聚类。
HCL
- 数据挖掘中的聚合层次聚类算法，有完整的注释-Data Mining syndication hierarchical clustering algorithm, a complete Notes
birch算法
- 层次聚类算法中的birch算法 是对传统层次聚类算法的改进
chameleon算法vc实现
- 一种经典的基于层次聚类方法
LSH层次聚类源码
- lsh源码
cluster.rar
- 用matlab实现聚类算法，注意是层次聚类和未知类别聚类算法！,Clustering algorithm using matlab implementation, pay attention to are hierarchical clustering and unknown type of clustering algorithm!
Chameleon
- Chameleon算法是一种通过在合并两类时用更高 的标准来提高聚类质量的聚类算法,它既考虑了互连 性,又考虑了近似度,特别是簇内部的特征,因而能够 自动地适应被合并簇的内部特征,因此具有较强的发 现任意形状和任意大小簇的能力。Chameleon算法首 先由数据集构造成一个K-最近邻图Gk,再通过一个 图的划分算法将图Gk划分成大量的子图,每个子图 代表一个初始子簇,最后用一个凝聚的层次聚类算法 反复地合并子簇来找到真正的结果簇。 -Chameleon
Liagnosis
- 层次聚类LSSVM在模拟电路故障诊断LSSVM hierarchical clustering in analog circuit fault diagnosis-LSSVM hierarchical clustering in analog circuit fault diagnosis
代码
- 先用的层次分析法筛选变量，而后使用聚类分析中的kmeans和pam两种方法，优点在于可以快速聚类，针对较大的数据量(clustering methodology)
代码
- 使用的是深圳市数学建模的电信用户数据，基于数据筛选出高价值用户，并分析他们的消费特点。代码中包括了层次分析法，聚类分析，数据的缺失值、异常值的处理(The code includes the analytic hierarchy process, the clustering analysis, the missing values of the data, and the handling of the abnormity values)